IEEE Open Journal of Vehicular Technology专题文章分享 (RALLY) 和编辑公开招募
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 …