論文の概要: LLM-Enabled UAV Dispatch: A System-Level Survey and Taxonomy

• arxiv url: http://arxiv.org/abs/2610.09466v1
• Date: Wed, 07 Oct 2026 05:22:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.733154
• Title: LLM-Enabled UAV Dispatch: A System-Level Survey and Taxonomy
• Title（参考訳）: LLM対応UAVディスパッチ:システムレベル調査と分類
• Abstract要約: 無人航空機(UAV)ディスパッチは、孤立した経路計画と最適化による資源配分を超えて動き始めている。 本調査は, 意味的意図, 象徴的意思決定, 身体的実行を橋渡しするUAVディスパッチシステムの統一的な特徴を提供する。
• 参考スコア（独自算出の注目度）: 23.23285779646152
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Unmanned aerial vehicle (UAV) dispatch is beginning to move beyond isolated path planning and optimization-driven resource allocation toward system-level coordination supported by semantic reasoning and LLM-based interfaces. This survey provides a unified characterization of LLM-enabled UAV dispatch systems that bridges semantic intent, symbolic decision-making, and physical UAV execution. Rather than treating LLMs as standalone add-ons, we conceptualize them as a cross-layer semantic orchestration layer connecting human instructions, external solvers, and distributed control modules. We organize the literature into four representative dispatch paradigms: pipeline dispatch, global assignment dispatch, decentralized agentic dispatch, and divide-and-conquer dispatch. For each paradigm, we analyze its decision logic, system structure, control flow, representative methods, and potential LLM roles. We further examine how LLMs support semantic parsing, retrieval-grounded planning, solver orchestration, local agent reasoning, multi-agent coordination, safety assessment, and human-facing explanation. We discuss the implications of these paradigms for scalability, robustness, coordination burden, and verification requirements, and identify open challenges including latency-aware reasoning, grounding reliability, physical feasibility guarantees, edge deployment, privacy protection, and distributed consistency. This survey provides a system-level taxonomy and design perspective for integrating LLMs into safety-critical UAV dispatch systems.
• Abstract（参考訳）: 無人航空機(UAV)ディスパッチは、セマンティック推論とLLMベースのインタフェースによってサポートされているシステムレベルの調整に向けて、孤立した経路計画と最適化駆動の資源割り当てを超えて動き始めている。 本調査では, 意味的意図, 象徴的意思決定, 物理的 UAV 実行を橋渡しする LLM 対応 UAV ディスパッチシステムの統一評価を行った。 LLMをスタンドアロンのアドオンとして扱うのではなく、人間命令、外部解決器、分散制御モジュールを接続する層間セマンティックオーケストレーション層として概念化する。 論文は,パイプラインディスパッチ,グローバルディスパッチ,分散エージェントディスパッチ,配当ディスパッチという4つの代表的なディスパッチパラダイムにまとめる。 各パラダイムに対して、決定論理、システム構造、制御フロー、代表法、潜在的LLMの役割を解析する。 さらに, LLM が意味解析, 検索基盤計画, ソルバオーケストレーション, ローカルエージェント推論, マルチエージェント協調, 安全性評価, 人間の面的説明をどのようにサポートするかを検討する。 スケーラビリティ,堅牢性,コーディネーションの負担,検証要件など,これらのパラダイムが持つ意味について論じるとともに,レイテンシを意識した推論,基盤となる信頼性,物理的実現性保証,エッジデプロイメント,プライバシ保護,分散一貫性といったオープンな課題を特定する。 本調査は、LLMを安全クリティカルなUAVディスパッチシステムに統合するためのシステムレベルの分類と設計の視点を提供する。

関連論文リスト

• Large Language Models in Misinformation Ecosystems: Misuse, Defense, and Vulnerability [65.56750741053266]
  大規模言語モデル(LLM)は、誤情報をコンテンツ中心の問題からより広範なエコシステムレベルのセキュリティ課題に転換した。 本稿では,これらのリスクと防御を統一する役割層フレームワークを提案する。 この役割はLLMを攻撃者、ディフェンダー、検証システムの脆弱なコンポーネントとして特徴づけ、層次元はコンテンツ、社会的コンテキスト、エビデンス環境、検証をカバーしている。
  論文  参考訳（メタデータ） (2026-07-11T17:04:17Z)
• Position: agentic AI orchestration should be Bayes-consistent [92.04373485710285]
  本稿では,エージェントシステムのオーケストレーションレベルにおいて,一貫性のある意思決定にはベイズ原理が必要であることを論じる。 信念とユーティリティ対応ポリシーがエージェントAIオーケストレーションをどのように改善するかを説明するための例とデザインパターンを提供する。
  論文  参考訳（メタデータ） (2026-05-01T15:43:43Z)
• SafePilot: A Framework for Assuring LLM-enabled Cyber-Physical Systems [2.2566909388480743]
  大規模言語モデル(LLM)は、最近、様々なサイバー物理システムに統合され始めている。 LLMは"ハロシン化"(hallucination)を生成します。 属性ベースおよび時間仕様に従ってCPSのエンドツーエンド保証を提供する新しい階層型ニューロシンボリックフレームワークであるSafePilotを提案する。
  論文  参考訳（メタデータ） (2026-03-23T03:31:51Z)
• Large Language Model-Assisted UAV Operations and Communications: A Multifaceted Survey and Tutorial [24.92730472637731]
  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。
  論文  参考訳（メタデータ） (2026-02-23T05:56:43Z)
• SENTINEL: A Multi-Level Formal Framework for Safety Evaluation of LLM-based Embodied Agents [25.567593463613388]
  本稿では,Large Language Model(LLM)ベースのエンボディエージェントの物理的安全性を公式に評価する最初のフレームワークであるSentinelを紹介する。 我々は、VirtualHomeとALFREDにSentinelを適用し、多様な安全性要件に対して複数のLDMベースのエンボディエージェントを正式に評価する。
  論文  参考訳（メタデータ） (2025-10-14T20:53:51Z)
• A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
  この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。 本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
  論文  参考訳（メタデータ） (2025-10-10T06:56:50Z)
• 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)
• 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)
• System-Level Defense against Indirect Prompt Injection Attacks: An Information Flow Control Perspective [24.583984374370342]
  LLMシステム(Large Language Model-based System)は、情報処理およびクエリ処理システムである。 本稿では,情報フロー制御の原理に基づくシステムレベルの防衛システムについて述べる。
  論文  参考訳（メタデータ） (2024-09-27T18:41:58Z)

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。