論文の概要: LLM-Enabled Low-Altitude UAV Natural Language Navigation via Signal Temporal Logic Specification Translation and Repair
- arxiv url: http://arxiv.org/abs/2603.27583v1
- Date: Sun, 29 Mar 2026 08:46:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:45.033141
- Title: LLM-Enabled Low-Altitude UAV Natural Language Navigation via Signal Temporal Logic Specification Translation and Repair
- Title（参考訳）: 信号時相論理仕様の翻訳と修正によるLLM対応低高度UAV自然言語ナビゲーション
- Authors: Yuqi Ping, Huahao Ding, Tianhao Liang, Longyu Zhou, Guangyu Lei, Xinglin Chen, Junwei Wu, Jieyu Zhou, Tingting Zhang,
- Abstract要約: 低高度無人航空機(UAV)のための自然言語モジュール(NL)ナビゲーションは、低高度航空サービスのためのインテリジェントで便利なソリューションを提供する。
本稿では,NL命令をSTL(Signal Temporal Logic)仕様に変換する統一フレームワークを提案する。
具体的には,論理的あるいは空間的要求によって引き起こされる不確実性を解決するために,推論強化型大言語モデル(LLM)を開発した。
- 参考スコア（独自算出の注目度）: 15.975402169089305
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Natural language (NL) navigation for low-altitude unmanned aerial vehicles (UAVs) offers an intelligent and convenient solution for low-altitude aerial services by enabling an intuitive interface for non-expert operators. However, deploying this capability in urban environments necessitates the precise grounding of underspecified instructions into safety-critical, dynamically feasible motion plans subject to spatiotemporal constraints. To address this challenge, we propose a unified framework that translates NL instructions into Signal Temporal Logic (STL) specifications and subsequently synthesizes trajectories via mixed-integer linear programming (MILP). Specifically, to generate executable STL formulas from free-form NL, we develop a reasoning-enhanced large language model (LLM) leveraging chain-of-thought (CoT) supervision and group-relative policy optimization (GRPO), which ensures high syntactic validity and semantic consistency. Furthermore, to resolve infeasibilities induced by stringent logical or spatial requirements, we introduce a specification repair mechanism. This module combines MILP-based diagnosis with LLM-guided semantic reasoning to selectively relax task constraints while strictly enforcing safety guarantees. Extensive simulations and real-world flight experiments demonstrate that the proposed closed-loop framework significantly improves NL-to-STL translation robustness, enabling safe, interpretable, and adaptable UAV navigation in complex scenarios.
- Abstract（参考訳）: 低高度無人航空機(UAV)のための自然言語(NL)ナビゲーションは、非専門家の操作者に直感的なインタフェースを提供することで、低高度航空サービスに対してインテリジェントで便利なソリューションを提供する。
しかし、この能力を都市環境に展開するには、時空間制約を受ける安全クリティカルで動的に実行可能な運動計画への不特定な指示の正確な根拠が必要である。
この課題に対処するため,NL命令をSTL(Signal Temporal Logic)仕様に変換し,その後MILP(Mixed-integer linear programming)を通じてトラジェクトリを合成する統一フレームワークを提案する。
具体的には、自由形式NLから実行可能なSTL式を生成するために、チェーン・オブ・ソート(CoT)とグループ・リレーショナルポリシー最適化(GRPO)を活用して、高い構文的妥当性とセマンティック一貫性を保証する推論強化された大言語モデル(LLM)を開発する。
さらに, 厳密な論理的要求や空間的要求によって引き起こされる不確実性を解決するために, 仕様修復機構を導入する。
このモジュールは、MILPに基づく診断とLLM誘導のセマンティック推論を組み合わせて、安全保証を厳格に実施しつつ、タスク制約を選択的に緩和する。
大規模なシミュレーションと実世界の飛行実験により、提案されたクローズドループフレームワークはNL-STL変換の堅牢性を大幅に向上し、複雑なシナリオにおいて安全で解釈可能で適応可能なUAVナビゲーションを可能にすることを示した。
関連論文リスト
- Feasibility Restoration under Conflicting STL Specifications with Pareto-Optimal Refinement [18.383508411056944]
Signal Temporal Logic (STL) は、ロボット工学における表現的要求を規定する表現的言語である。
STL仕様は、安全規則、交通規制、タスクと目的を一緒に満たせない現実世界のアプリケーションでは矛盾する可能性がある。
本稿では,最小限の緩和による実現可能性の回復を図り,それを価値認識多目的最適化問題として定式化し,実現可能な解を洗練する,統合された2段階フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-06T23:41:01Z) - Bridging Natural Language and Formal Specification--Automated Translation of Software Requirements to LTL via Hierarchical Semantics Decomposition Using LLMs [10.958536923155101]
Req2LTLは、NLとLinear Temporal Logicをブリッジするモジュラーフレームワークである。
実世界の航空要求に対して88.4%のセマンティック精度と100%の構文的正確性を達成する。
論文 参考訳（メタデータ） (2025-12-19T08:25:54Z) - Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。
オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。
動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
論文 参考訳（メタデータ） (2025-10-11T05:11:21Z) - 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) - From Prompts to Protection: Large Language Model-Enabled In-Context Learning for Smart Public Safety UAV [30.003257621176708]
大規模言語モデル(LLM)は、インコンテキスト学習(ICL)を通じて新しいタスクに適応することができる。
本稿では, LLM 対応 ICL と公共安全UAV を連携させて, 経路計画や速度制御などの重要な機能を実現することを提案する。
論文 参考訳（メタデータ） (2025-06-03T09:01:33Z) - LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [102.1527101235251]
LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。
自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。
LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-04-15T17:14:06Z) - Maritime Mission Planning for Unmanned Surface Vessel using Large Language Model [0.932065750652415]
本稿では,Large Language Models (LLM) を用いた新しいミッションプランニングフレームワークを提案する。
LLMは、自然言語のコマンドを理解し、シンボリック推論を実行し、状況の変化に合わせて柔軟に調整する能力に長けている。
提案手法では,LLMを海洋計画に統合し,高レベルの人的指示と実行可能な計画とのギャップを埋める。
論文 参考訳（メタデータ） (2025-03-15T09:41:55Z) - 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) - Integrated Sensing and Communications for Low-Altitude Economy: A Deep Reinforcement Learning Approach [20.36806314683902]
低高度経済(LAE)のための統合センシング・通信(ISAC)システムについて検討する。
所定の飛行期間における通信総和レートは、GBSとUAVの軌道でのビームフォーミングを共同最適化することにより最大化する。
本稿では, 深部強化学習(DRL)技術を活用して, 深部LAE-ISAC(Deep LAE-ISAC)と呼ばれる新しいLEE指向ISAC方式を提案する。
論文 参考訳（メタデータ） (2024-12-05T11:12:46Z) - Directed Exploration in Reinforcement Learning from Linear Temporal Logic [59.707408697394534]
リニア時間論理(LTL)は強化学習におけるタスク仕様のための強力な言語である。
合成された報酬信号は基本的に疎結合であり,探索が困難であることを示す。
我々は、仕様をさらに活用し、それに対応するリミット決定性B"uchi Automaton(LDBA)をマルコフ報酬プロセスとしてキャストすることで、よりよい探索を実現することができることを示す。
論文 参考訳（メタデータ） (2024-08-18T14:25:44Z)
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。