技術的概要：「ミッションを述べよ、スウォームを実行せよ」

問題定義

大規模言語モデル（LLM）をリアルタイムの無人航空機（UAV）スウォーム管理に応用する際、それらが高レベル推論エンジンとしての潜在能力を有しているにもかかわらず、重大な障壁に直面しています。現在の課題には以下が含まれます：

• 異質性： 多様なドローンプラットフォーム、センサー、通信プロトコルが断片化された制御インターフェースを生み出し、LLM が状態情報にアクセスする際に、その都度のプロンプトエンジニアリングなしでは複雑化しています。
• グラウンディングと永続性： 単独の LLM プロンプトは、永続的な状態追跡と閉ループのリアルタイム相互作用を必要とする長期実行タスクに苦戦し、しばしばコード生成サイクルの繰り返しや、幻覚的なコマンドの生成につながります。
• 安全性と決定性： 生成された行動の誤りは、ミッションの失敗や安全性リスク（例：衝突）を引き起こす可能性があります。LLM 実行の非決定論的性質は評価を複雑化させ、同一の入力が異なる制御出力を生む可能性があります。
• 既存アプローチの限界： 先行研究は、多くの場合ミッション開始時の静的コード生成に依存するか、標準化された相互運用性を欠いており、リアルタイムフィードバックへの継続的な適応を支援できていません。

手法

著者らは、低レベルコードを生成することなく、グラウンディングされたリアルタイム相互作用を通じて自然言語のミッション目標を実行するミッション非依存の、エージェント強化型 LLM フレームワークを提案します。アーキテクチャは主に 3 つのレイヤーで構成されます：

1. W3C Web of Things (WoT) エコシステム：

   • 異質なドローン、センサー、サービスは、機械可読のThing Description (TD) を通じて標準化されたWoT Thingとして公開されます。
   • Thing Directory（Zion を使用して実装）により、ランタイムでのリソースの発見と遅延バインディングが可能になります。
   • このレイヤーはミッションロジックをプラットフォーム固有の API から分離し、アクション（例：離陸、ナビゲーション）やプロパティ（例：テレメトリ、バッテリー）に対する均一なインターフェースを提供します。

2. Model Context Protocol (MCP) ゲートウェイ：

   • AI エージェントと WoT エコシステムの間の排他的なブリッジとして機能します。
   • リソースの発見と相互作用（プロパティの読み取り、アクションの呼び出し）のためのコアツールを、ランタイムで検証される厳格な入力/出力スキーマと共に公開します。
   • エージェントがブロッキング呼び出しに依存するのではなく、完了をポーリングする非同期実行を可能にします。

3. エージェントコア：

   • LLM： 自然言語の意図を解釈し、コードを生成するのではなく、抽象概念（機能、制約）に対して推論を行います。構造化されたツール呼び出しリクエストを出力します。
   • 実行コントローラー： 実行不変条件（例：安全距離、状態検証）を定義するコアプロンプトを備えた永続的なコンテキストを維持します。
   • ガードレール： ランタイムの失敗（例：実行の停止、安全でない終了状態）によってトリガーされ、ハードコードされた制御ポリシーなしで推論をリダイレクトするための動的に注入されたプロンプト断片。
   • ヘルパーツール： 繰り返しパターン（例：同期されたマルチドローンコマンド）のためのオプションのラッパー。特に小規模モデルにおいて、冗長性と帳簿付けエラーを削減します。

このシステムは、反復的な推論 - 実行ループを通じて動作します：エージェントは計画し、MCP ゲートウェイを介して WoT アクションを呼び出し、テレメトリフィードバックを受け取り、ミッション完了または終了まで、この状態を後続の推論ステップに組み込みます。

主要な貢献

1. エージェント強化型アーキテクチャ： LLM の推論と関数呼び出しを調整に利用し、コード生成フェーズを不要にする、リアルタイム UAV スウォーム管理のための新規フレームワーク。
2. WoT ベースの相互運用性： AI エージェントと物理システム間の双方向通信を可能にする標準化されたインターフェース。これにより、異質なドローンとサービスのシームレスな統合が可能になります。
3. 閉ループ実行： 実行フィードバックが推論に漸進的に組み込まれる継続的な「推論 - 実行 - 監視」サイクルの実装。安全性を確保するためのランタイムガードレールによって支援されます。
4. 包括的な実証評価： ハイブリッドの現実 - 模擬環境（ArduPilot SITL）における 4 つのスウォームミッション全体にわたる、6 つの最先端 LLM（GPT-5.2、DeepSeek-V3.2、GLM-4.7、Grok-4.1 Fast、Claude Haiku-4.5、Qwen3-8B）の厳密な評価。

実験結果

評価は 4 つのミッションタイプを対象に行われました：エリアカバレッジ（計画ツールあり・なし）、フォーメーション制御、およびスマート灌漑。主な知見は以下の通りです：

• グラウンディングとツールの影響：

  • 計画ツール： 特定のタスクに特化した明示的な計画ツール（例：エリアカバレッジ用、フォーメーション幾何学用）は、ほとんどのモデルの成功率を大幅に向上させました。例えば、GLM はプランナーを使用すると 100% の成功率を達成しましたが、使用しない場合は 70% に低下しました。
  • 小規模/レイテンシ最適化モデル： Grok（レイテンシ最適化）や Qwen（8B）などのモデルは、外部の計画サポートなしに大きく苦戦し、生データやメタデータのみから戦略を導き出すことがしばしばできませんでした。
  • ガードレール： ランタイムガードレールは、ドローンの着陸と解除を確実にするなどのエッジケースの処理に不可欠であり、タスク目標は達成されたが安全性制約が違反された「早期終了」を防ぎました。

• モデルのパフォーマンス：

  • GLM-4.7 は、条件全体で最も堅牢な挙動を示し、GPT-5.2 に比べて高い成功率、低いトークン消費量、および少ない衝突回数を達成しました。
  • GPT-5.2 は強力な推論能力を示しましたが、最終的な終了制約（着陸・解除）で時折失敗し、より高いトークンコストを要しました。
  • Qwen-3-8B と Claude Haiku-4.5 は、長期的なミッションに苦戦し、多段階タスクの完了や調整の維持に失敗することが多かったです。

• トークン効率：

  • トークン消費量とミッション成功の間に明確な相関は見つかりませんでした。一部のモデルは計画ツールを使用するとトークンを少なく消費しましたが、他のモデルは多く消費しました。
  • トークン使用量のみは、実行の品質や信頼性の信頼できる指標ではありません。

• 安全性：

  • 衝突回数はモデルによって異なり、GLM と GPT はフォーメーションタスクにおいて最も優れた安全性プロファイルを示しました。一方、小規模モデルは軌道管理の失敗により、より高い衝突率を示しました。

意義と主張

本論文は、現在の汎用 LLM は強力な推論能力を有しているものの、明示的なグラウンディングと実行サポートなしには、リアルタイムかつ安全性が重要なスウォームシナリオにおいて信頼性の高い実行を達成するのが困難であると主張しています。

本研究は以下の点を浮き彫りにしています：

1. エージェント強化型実行（構造化されたツールとガードレールの使用）は、自然言語の意図を信頼性の高いスウォーム行動に変換するために不可欠です。
2. 標準化されたデバイス抽象化（WoT）は相互運用性にとって重要であり、LLM がカスタム統合コードなしで異質なハードウェアと相互作用することを可能にします。
3. ランタイムガードレールは、静的コード生成に依存するのではなく、観測された状態に基づいて推論を制約することで堅牢性を向上させます。
4. 提案されたフレームワークは、ロボットスウォームに対する実行可能なインターフェースへの転換を表しており、ユーザーは意図を表明し、エージェントは物理世界とのグラウンディングされ、検証可能な相互作用を処理します。

著者らは結論として、この技術は有望であることを示していますが、ミッションクリティカルなドローンアプリケーションにおける LLM ベースのエージェントの現在の成熟度は、安全性と信頼性を確保するための専用の実行レイヤーを必要としていると述べています。