Resumo Técnico: FRAMe – Planejamento de Voo de Ponta a Ponta com LLM com Memória Baseada em RAG e Agente de Coaching Multimodal

Declaração do Problema

A implantação de aeronaves de decolagem e pouso vertical elétrico (eVTOL) e sistemas de aeronaves não tripuladas (UAS) para Mobilidade Aérea Avançada (AAM) requer sistemas de planejamento de voo capazes de navegar em espaços aéreos densos e complexos. Algoritmos tradicionais de planejamento de trajetória (ex: A*, RRT) dependem de objetivos matemáticos explicitamente definidos e têm dificuldade em incorporar preferências humanas flexíveis e subjetivas, como trocar a duração do voo pela complexidade de waypoints ou maximizar o afastamento de perigos. Embora os Grandes Modelos de Linguagem (LLMs) tenham mostrado promessa em robótica e navegação para interpretar a intenção da linguagem natural, sua aplicação ao planejamento de voo no mundo real permanece subexplorada. As abordagens existentes frequentemente carecem de mecanismos para garantir a validade do plano, alinhar-se às preferências do operador ou aprender com experiências passadas sem necessidade de retreinamento do zero.

Metodologia

Os autores apresentam o FRAMe, um framework de planejamento de voo de ponta a ponta que integra um planejador LLM com um módulo de memória de Geração Aumentada por Recuperação (RAG) e um Agente de Coaching Multimodal. O sistema opera através dos seguintes componentes:

1. Agente Planejador: Um LLM atua como o núcleo do planejador de rota. Ele recebe um prompt de linguagem natural descrevendo a preferência do operador (ex: "maximizar o afastamento de polígonos perigosos") e dados do cenário codificados em KML (origem, destino, espaço aéreo voável e zonas de exclusão aérea). O planejador gera uma sequência de waypoints geográficos formando uma trajetória de voo.
2. Módulo de Memória Baseado em RAG: Para fundamentar o raciocínio do LLM, o sistema recupera contexto relevante de um banco de dados vetorial de planos de voo anteriores. O processo de recuperação envolve:
   • Embedding da preferência de linguagem natural do operador.
   • Filtragem do banco de dados para registros com geometria de cenário idêntica (mesma origem, destino e zonas de exclusão aérea).
   • Classificação desses registros pela similaridade de cosseno das embeddings de preferência para selecionar os $K$ exemplos de soluções mais alinhados.
   • Aumento do prompt do planejador com esses exemplos recuperados e suas avaliações.
3. Agente de Coaching Multimodal: Uma camada de verificação implementada usando um LLM multimodal (especificamente o o4-mini) combinado com verificações geométricas baseadas em regras. O coach realiza uma revisão de três estágios:
   • Validade Geométrica: Ferramentas baseadas em regras verificam se todos os waypoints permanecem dentro do espaço aéreo voável, conectam a origem e o destino, e não interceptam zonas de exclusão aérea.
   • Alinhamento de Preferência: O coach analisa uma imagem renderizada do plano de voo proposto para avaliar se a rota se alinha visualmente com a preferência declarada pelo operador.
   • Ciclo de Feedback: O operador pode fornecer feedback opcional. O registro final (cenário, preferência, validade, alinhamento, feedback) é armazenado no banco de dados para melhorar as recuperações RAG futuras.
     O sistema foi avaliado usando um protótipo web visando operações de UAV de escala reduzida (integrando-se ao Mission Planner) como um proxy econômico para testes de eVTOL.

Principais Contribuições

1. Arquitetura do Sistema FRAMe: Um framework inovador combinando um LLM planejador, memória RAG e um coach multimodal para permitir a geração de rotas guiadas por linguagem natural que respeitam restrições de segurança e preferências do operador.
2. Avaliação de Preferência Sem Anotadores: Um framework de avaliação quantitativa usando três objetivos geométricos mensuráveis: minimizar a distância de voo, minimizar a contagem de waypoints e maximizar o afastamento de polígonos. Isso permite a avaliação objetiva do alinhamento de preferência sem a necessidade de anotadores humanos.
3. Estudo de Ablação Multi-Modelo: Uma avaliação sistemática entre quatro LLMs de última geração (OpenAI o3-mini, o4-mini, GPT-5.4 e DeepSeek-R1) e três níveis de dificuldade de cenário (Fácil, Médio, Difícil), comparados contra uma linha de base clássica A*. O estudo isola as contribuições do RAG e do Agente de Coach.

Resultados Experimentais

A avaliação cobriu 150 execuções de aquecimento para alimentar o banco de dados, seguidas por uma fase de ablação através de quatro condições: linha de base A*, LLM Baseline, LLM + RAG e LLM + RAG + Coach.

• Validade do Plano: O sistema completo FRAMe (+RAG+Coach) alcançou as maiores taxas de validade para todos os planejadores, atingindo até 93,8% de validade agregada (99% em cenários Fáceis para o planejador mais forte). Notavelmente, para o modelo o3-mini, o RAG sozinho diminuiu ligeiramente a validade em comparação com a linha de base, mas a adição do Agente de Coach recuperou e estendeu os ganhos, indicando que o Coach fornece uma verificação de validade não redundante e essencial.
• Alinhamento de Preferência:
  • Waypoints: O modelo o3-mini mostrou a melhoria mais significativa, reduzindo a contagem média de waypoints em 12% sob o sistema completo em comparação com a linha de base.
  • Afastamento (Clearance): O modelo o4-mini demonstrou o ganho mais claro na maximização do afastamento (+9%).
  • Distância: A maioria dos modelos operou próximo ao seu piso de planejamento para distância na linha de base, limitando novas melhorias, embora o GPT-5.4 tenha mostrado uma melhoria monotônica quando a preferência de distância estava explicitamente ativa.
• Comparação com A:* Embora o planejador clássico A* tenha alcançado 100% de validade, ele era "cego a preferências", produzindo rotas com contagens de waypoints significativamente maiores (18,2 vs. ~3,5–5,0 para LLMs) e menor afastamento (1,91 km vs. 3,5–5,0 km para LLMs). O FRAMe superou o A* em termos de afastamento e eficiência de waypoints, aceitando um pequeno overhead de distância.

Significância e Alegações

O artigo afirma que o FRAMe demonstra como LLMs avançados podem ser efetivamente implantados para planejamento de missão centrado no humano, traduzindo com sucesso instruções de linguagem natural em rotas de voo seguras, eficientes e flexíveis. Os autores enfatizam que a integração de um coach multimodal é crítica; ele atua como um guardião necessário para a validade e o alinhamento de preferência, particularmente para modelos onde a recuperação sozinha é insuficiente ou potencialmente enganosa.

O framework é apresentado como um passo modular para reduzir a lacuna entre a intenção do piloto humano e as operações de voo autônomas. Os autores mantêm uma postura modesta, observando que a avaliação atual depende de zonas de exclusão aérea poligonais sintéticas e dados apenas de simulação, com testes de voo no mundo real e modelagem de restrições dinâmicas (ex: tráfego, limites de bateria) identificados como trabalhos futuros necessários. O sistema é projetado para ser alinhado às preferências onde algoritmos clássicos não são, oferecendo um compromisso de um leve overhead de distância por margens de segurança e simplicidade de rota significativamente melhoradas.