論文の概要: Large Language Model-Assisted UAV Operations and Communications: A Multifaceted Survey and Tutorial

• arxiv url: http://arxiv.org/abs/2602.19534v1
• Date: Mon, 23 Feb 2026 05:56:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.69387
• Title: Large Language Model-Assisted UAV Operations and Communications: A Multifaceted Survey and Tutorial
• Title（参考訳）: 大規模言語モデルによるUAV操作と通信:多面的調査とチュートリアル
• Authors: Yousef Emami, Hao Zhou, Radha Reddy, Atefeh Hajijamali Arani, Biliang Wang, Kai Li, Luis Almeida, Zhu Han,
• Abstract要約: 無人航空機(UAV)は機動性と機敏性のために多様なアプリケーションに広く配備されている。 大規模言語モデル(LLM)の最近の進歩は、UAVインテリジェンスを強化するための変革的な機会を提供する。
• 参考スコア（独自算出の注目度）: 24.92730472637731
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Uncrewed Aerial Vehicles (UAVs) are widely deployed across diverse applications due to their mobility and agility. Recent advances in Large Language Models (LLMs) offer a transformative opportunity to enhance UAV intelligence beyond conventional optimization-based and learning-based approaches. By integrating LLMs into UAV systems, advanced environmental understanding, swarm coordination, mobility optimization, and high-level task reasoning can be achieved, thereby allowing more adaptive and context-aware aerial operations. This survey systematically explores the intersection of LLMs and UAV technologies and proposes a unified framework that consolidates existing architectures, methodologies, and applications for UAVs. We first present a structured taxonomy of LLM adaptation techniques for UAVs, including pretraining, fine-tuning, Retrieval-Augmented Generation (RAG), and prompt engineering, along with key reasoning capabilities such as Chain-of-Thought (CoT) and In-Context Learning (ICL). We then examine LLM-assisted UAV communications and operations, covering navigation, mission planning, swarm control, safety, autonomy, and network management. After that, the survey further discusses Multimodal LLMs (MLLMs) for human-swarm interaction, perception-driven navigation, and collaborative control. Finally, we address ethical considerations, including bias, transparency, accountability, and Human-in-the-Loop (HITL) strategies, and outline future research directions. Overall, this work positions LLM-assisted UAVs as a foundation for intelligent and adaptive aerial systems.
• Abstract（参考訳）: 無人航空機(UAV)は機動性と機敏性のために多様なアプリケーションに広く配備されている。 近年のLarge Language Models (LLM) の進歩は、従来の最適化と学習に基づくアプローチを超えて、UAVインテリジェンスを強化するための変革的な機会を提供する。 LLMをUAVシステムに統合することにより、高度な環境理解、Swarm調整、モビリティ最適化、高レベルのタスク推論を実現し、より適応的でコンテキスト対応の航空作戦を可能にする。 本調査では,LLMとUAV技術の共通点を体系的に検討し,既存のアーキテクチャ,方法論,UAVアプリケーションを統合する統一的なフレームワークを提案する。 まず, 事前学習, 微調整, 検索・拡張生成 (RAG) , 迅速な工学, およびChain-of-Thought (CoT) や In-Context Learning (ICL) などの重要な推論機能を含む, UAV の LLM 適応技術の構造化された分類法を提案する。 次に、LLM支援UAV通信および運用について、ナビゲーション、ミッションプランニング、Swarm制御、安全性、自律性、ネットワーク管理について検討する。 その後,マルチモーダルLSM(MLLM)について,人間とスワムの相互作用,知覚駆動ナビゲーション,協調制御について検討した。 最後に、バイアス、透明性、説明責任、Human-in-the-Loop(HITL)戦略などの倫理的考察に対処し、今後の研究方向性を概説する。 全体として、この研究はLLM支援UAVをインテリジェントで適応的な航空システムの基盤として位置づけている。

関連論文リスト

• AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
  UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。 我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。 また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
  論文  参考訳（メタデータ） (2025-11-26T04:44:27Z)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• Hierarchical and Collaborative LLM-Based Control for Multi-UAV Motion and Communication in Integrated Terrestrial and Non-Terrestrial Networks [21.350819743855382]
  本研究は,複数のUAVの連立動作と通信制御を地球外ネットワークと非地球外ネットワークで行うことを目的としたものである。 大規模言語モデル(LLM)に基づく新しい階層的協調手法を提案する。 実験により,提案手法は, システム報酬の向上, 運用コストの低減, ベースライン手法と比較してUAV衝突率の大幅な低減を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-06-06T20:59:52Z)
• Exploring the Roles of Large Language Models in Reshaping Transportation Systems: A Survey, Framework, and Roadmap [51.198001060683296]
  大型言語モデル(LLM)は、輸送上の課題に対処するための変革的な可能性を提供する。 LLM4TRは,交通におけるLSMの役割を体系的に分類する概念的枠組みである。 それぞれの役割について,交通予測や自律運転,安全分析,都市移動最適化など,さまざまな応用について検討した。
  論文  参考訳（メタデータ） (2025-03-27T11:56:27Z)
• Navigating Motion Agents in Dynamic and Cluttered Environments through LLM Reasoning [69.5875073447454]
  本稿では,大規模言語モデル(LLM)によって強化された動作エージェントを,動的・乱雑な環境における自律的なナビゲーションに向けて前進させる。 トレーニング不要なフレームワークは、マルチエージェント調整、クローズドループ計画、動的障害物回避を、リトレーニングや微調整なしでサポートしています。
  論文  参考訳（メタデータ） (2025-03-10T13:39:09Z)
• UAVs Meet LLMs: Overviews and Perspectives Toward Agentic Low-Altitude Mobility [33.73170899086857]
  無人航空機(UAV)に代表される低高度機動性は、様々な領域に変革をもたらす。 本稿では,大規模言語モデル(LLM)とUAVの統合について検討する。 UAVとLLMが収束する主要なタスクとアプリケーションシナリオを分類し分析する。
  論文  参考訳（メタデータ） (2025-01-04T17:32:12Z)
• Integrating Large Language Models for UAV Control in Simulated Environments: A Modular Interaction Approach [0.3495246564946556]
  本研究では,UAV制御における大規模言語モデルの適用について検討する。 UAVが自然言語コマンドを解釈し、応答できるようにすることで、LLMはUAVの制御と使用を簡素化する。 本稿では,自律的な意思決定,動的なミッション計画,状況認識の向上,安全プロトコルの改善など,LCMがUAV技術に影響を与えるいくつかの重要な領域について論じる。
  論文  参考訳（メタデータ） (2024-10-23T06:56:53Z)
• Large Language Models for UAVs: Current State and Pathways to the Future [6.85423435360359]
  無人航空機(UAV)は様々な分野にまたがるトランスフォーメーション技術として登場した。 この研究は、自律システムの開発を促進するために、UAVとLarge Language Models(LLM)を統合する大きな可能性を探求する。
  論文  参考訳（メタデータ） (2024-05-02T21:30:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。