IEEE Open Journal of Vehicular Technology (OJVT) 是一本开放获取的全电子期刊，发表原创高质量论文，涵盖移动无线电、机动车辆和陆地交通领域电气和电子工程的理论、实验和操作层面。我们的期刊不仅欢迎原创高质量论文，也欢迎以行业为中心的出版物，重点关注研究成果并提出对进行类似研究的人员有用的想法。

我们的首篇月度特色论文是一篇受邀论文，由来自中国科学院大学、浙江大学和澳门科技大学的研究人员共同撰写。该论文介绍了一种先进的面向无人机集群控制的大语言模型（LLM）与多智能体强化学习（MARL）融合框架，该框架将基于 LLM 的语义推理能力与基于 MARL 的探索机制相结合。

RALLY: Role-Adaptive LLM-Driven Yoked Navigation for Agentic UAV Swarms
Ziyao Wang; Rongpeng Li; Sizhao Li; Yuming Xiang; Haiping Wang; Zhifeng Zhao; Honggang Zhang
Published in Volume 6, IEEE Open Journal of Vehicular Technology
https://ieeexplore.ieee.org/document/11168174

设想这样一个场景：在通信受限的灾后搜救或区域巡检任务中，一群无人机需要实现自主协同工作。它们不仅需要规避障碍物和动态威胁，还要高效覆盖多个任务目标，同时保持编队结构并实现实时通信。然而，现有的多种传统方法通常依赖于刚性的数值通信方式以及无人机之间的固定角色分配，导致在复杂环境中的适应性较差。

另一方面，众所周知，基于大语言模型（LLM）的智能体框架通过利用海量先验知识，已展现出强大的语义推理能力。然而，由于缺乏在线学习能力且过度依赖静态先验，这类框架在有效探索方面往往存在不足，从而限制了个体潜力的发挥以及整体系统性能的提升。

针对上述关键挑战，本文提出了一种创新的“两阶段语义推理 + 动态角色分配”机制，称为 RALLY（Role-Adaptive LLM-Driven Yoked Navigation Algorithm）。具体而言，首先构建了一个由 LLM 驱动的语义决策框架，利用结构化自然语言实现高效的语义通信与协同推理。随后，引入动态角色异质性机制，以支持自适应角色切换与个性化决策。此外，设计了一种基于角色价值混合网络（RMIX）的分配策略，将 LLM 的离线先验与多智能体强化学习（MARL）的在线策略相结合，从而实现角色选择策略的离线训练。

通过使无人机能够基于自然语言理解任务意图并建立协同共识，同时在实时过程中动态切换角色（如指挥者、协调者、执行者），所提出的方法赋予每个无人机类人化的决策能力，从而在动态环境中实现高效协作与稳健的多目标覆盖。

实验结果表明，RALLY 在任务完成率、收敛速度、系统鲁棒性以及泛化能力等方面均显著优于多种现有方法，为下一代智能协同无人机系统的部署提供了一条全新的技术路径。

——

编辑公开招募

随着车载与交通技术的快速发展，提交至OJVT的前沿研究成果在数量和影响力方面持续增长。为支持这一令人振奋的发展态势，我们正在进一步加强期刊的编辑委员会建设。

在此，我诚挚邀请来自学术界、工业界以及政府机构的杰出研究人员和技术领军人才，自今年下半年起加入我们，担任期刊编辑。
加入编辑团队，您将有机会：

• 引领新兴车载与交通技术的发展方向
• 为一本高影响力、完全开放获取的 IEEE 期刊贡献力量
• 与来自全球的专家学者开展合作
• 服务于全球科研与创新社区

如果您本人或您专业网络中的同事有意在全球层面推动车载技术研究的发展，请于2026年5月1日之前将个人简历及两位推荐人的联系方式发送至期刊主编 Edward Au ([email protected])。