Resumen Técnico: FRAMe – Planificación de Vuelo de Extremo a Extremo con LLM mediante Memoria basada en RAG y Agente de Entrenamiento Multimodal

Declaración del Problema

El despliegue de aeronaves de despegue y aterrizaje vertical eléctrico (eVTOL) y sistemas de aeronaves no tripuladas (UAS) para la Movilidad Aérea Avanzada (AAM) requiere sistemas de planificación de vuelo capaces de navegar por un espacio aéreo denso y complejo. Los algoritmos tradicionales de planificación de rutas (p. ej., A*, RRT) dependen de objetivos matemáticos definidos explícitamente y tienen dificultades para incorporar preferencias humanas flexibles y subjetivas, tales como el intercambio de la duración del vuelo frente a la complejidad de los puntos de paso (waypoints) o la maximización del margen de separación de peligros. Aunque los Modelos de Lenguaje de Gran Escala (LLM) han mostrado potencial en robótica y navegación para interpretar la intención del lenguaje natural, su aplicación a la planificación de vuelos del mundo real sigue estando poco explorada. Los enfoques existentes suelen carecer de mecanismos para garantizar la validez del plan, alinearse con las preferencias del operador o aprender de experiencias pasadas sin necesidad de un reentrenamiento desde cero.

Metodología

Los autores presentan FRAMe, un marco de planificación de vuelo de extremo a extremo que integra un LLM planificador con un módulo de memoria de Generación Aumentada por Recuperación (RAG) y un Agente de Entrenamiento (Coach Agent) multimodal. El sistema opera a través de los siguientes componentes:

1. Agente Planificador: Un LLM actúa como el núcleo del planificador de rutas. Recibe un prompt de lenguaje natural que describe la preferencia del operador (p. ej., "maximizar la separación de polígonos peligrosos") y datos del escenario codificados en KML (origen, destino, espacio aéreo volable y zonas de exclusión aérea). El planificador genera una secuencia de puntos geográficos de paso que forman una trayectoria de vuelo.
2. Módulo de Memoria basado en RAG: Para fundamentar el razonamiento del LLM, el sistema recupera contexto relevante de una base de datos vectorial de planes de vuelo pasados. El proceso de recuperación implica:
   • Incrustación (embedding) de la preferencia de lenguaje natural del operador.
   • Filtrado de la base de datos para encontrar registros con la misma geometría de escenario (mismo origen, destino y zonas de exclusión aérea).
   • Clasificación de estos registros mediante la similitud de coseno de las incrustaciones de las preferencias para seleccionar los $K$ ejemplos de soluciones pasadas más alineados.
   • Aumento del prompt del planificador con estos ejemplos recuperados y sus evaluaciones.
3. Agente de Entrenamiento Multimodal: Una capa de verificación implementada mediante un LLM multimodal (específicamente o4-mini) combinada con comprobaciones geométricas basadas en reglas. El agente de entrenamiento realiza una revisión de tres etapas:
   • Validez Geométrica: Herramientas basadas en reglas verifican que todos los puntos de paso permanezcan dentro del espacio aéreo volable, conecten el origen y el destino, y no intersecten las zonas de exclusión aérea.
   • Alineación de Preferencias: El agente analiza una imagen renderizada del plan de vuelo propuesto para evaluar si la ruta se alinea visualmente con la preferencia declarada por el operador.
   • Bucle de Retroalimentación: El operador puede proporcionar retroalimentación opcional. El registro final (escenario, preferencia, validez, alineación y retroalimentación) se almacena en la base de datos para mejorar las futuras recuperaciones de RAG.

El sistema fue evaluado utilizando un prototipo web dirigido a operaciones de UAV a escala reducida (integrándose con Mission Planner) como un proxy rentable para las pruebas de eVTOL.

Contribuciones Clave

1. Arquitectura del Sistema FRAMe: Un marco novedoso que combina un LLM planificador, memoria RAG y un agente de entrenamiento multimodal para permitir la generación de rutas impulsada por lenguaje natural que respete las restricciones de seguridad y las preferencias del operador.
2. el Evaluación de Preferencias sin Anotadores: Un marco de evaluación cuantitativa utilizando tres objetivos geométricos medibles: minimizar la distancia de vuelo, minimizar el recuento de puntos de paso y maximizar la separación de polígonos. Esto permite una evaluación objetiva de la alineación de preferencias sin necesidad de anotadores humanos.
3. Estudio de Ablación Multi-Modelo: Una evaluación sistemática a través de cuatro LLM de última generación (OpenAI o3-mini, o4-mini, GPT-5.4 y DeepSeek-R1) y tres niveles de dificultad de escenario (Fácil, Medio, Difícil), comparados con una línea base de A*. El estudio aísla las contribuciones de RAG y del Agente de Entrenamiento.

Resultados Experimentales

La evaluación cubrió 150 ejecuciones de calentamiento para sembrar la base de datos, seguidas de una fase de ablación a través de cuatro condiciones: línea base A*, LLM Base, LLM + RAG, y LLM + RAG + Coach.

• Validez del Plan: El sistema completo de FRAMe (+RAG+Coach) alcanzó las tasas de validez más altas para todos los planificadores, alcanzando hasta un 93.8% de validez agregada (99% en escenarios Fáciles para el planificador más fuerte). Notablemente, para el modelo o3-mini, el RAG por sí solo disminuyó ligeramente la validez en comparación con la línea base, pero la adición del Agente de Entrenamiento recuperó y extendió las ganancias, lo que indica que el Agente proporciona una comprobación de validez no redundante y fundamental.
• Alineación de Preferencias:
  • Puntos de Paso (Waypoints): El modelo o3-mini mostró la mejora más significativa, reduciendo el recuento medio de puntos de paso en un 12% bajo el sistema completo en comparación con la línea base.
  • Separación (Clearance): El modelo o4-mini demostró la ganancia más clara en la maximización de la separación (+9%).
  • Distancia: La mayoría de los modelos operaron cerca de su límite inferior de planificación para la distancia en la línea base, lo que limitó nuevas mejoras, aunque GPT-5.4 mostró una mejora monotónica cuando la preferencia de distancia estaba activamente presente.
• Comparación con A:* Aunque el planificador clásico A* logró un 100% de validez, era "ciego a las preferencias", produciendo rutas con recuentos de puntos de paso significativamente mayores (18.2 frente a ~3.5–5.0 para los LLM) y menor separación (1.91 km frente a 3.5–5.0 km para los LLM). FRAMe superó a A* en términos de separación y eficiencia de puntos de paso, aceptando un ligero exceso de distancia.

Significado y Reivindicaciones

El artículo afirma que FRAMe demuestra cómo los LLM avanzados pueden desplegarse eficazmente para la planificación de misiones centradas en el humano, traduciendo con éxito las instrucciones de lenguaje natural en rutas de vuelo seguras, eficientes y flexibles. Los autores enfatizan que la integración de un agente de entrenamiento multimodal es crítica; actúa como un guardián necesario para la validez y la alineación de preferencias, particularmente para modelos donde la recuperación por sí sola es insuficiente o potencialmente errónea.

El marco se presenta como un paso modular hacia el cierre de la brecha entre la intención del piloto humano y las operaciones de vuelo autónomas. Los autores mantienen una postura modesta, señalando que la evaluación actual depende de zonas de exclusión aérea poligonales sintéticas y datos únicamente de simulación, identificando las pruebas de vuelo en el mundo real y el modelado de restricciones dinámicas (p. ej., tráfico, límites de batería) como trabajos futuros necesarios. El sistema está diseñado para estar alineado con las preferencias donde los algoritmos clásicos no lo están, ofreciendo un compromiso de un ligero exceso de distancia a cambio de márgenes de seguridad y simplicidad de ruta significativamente mejorados.