SkySim: A ROS2-based Simulation Environment for Natural Language Control of Drone Swarms using Large Language Models
本文介绍了 SkySim，这是一个基于 ROS2 的仿真框架，它通过将用于高层规划的大语言模型与用于确保非专家用户实时、无碰撞执行的人工势场安全过滤器相结合，实现了对无人机集群的自然语言控制。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你拥有一群聪明的小型无人机。通常情况下，指挥它们就像是在指挥一个管弦乐队，而每一位乐手都需要一份由专业作曲家编写的复杂乐谱。如果你想让它们组成一个圆圈或一个三角形，你必须为每一架无人机编写精确的代码。
这篇论文介绍了 SkySim，一种通过使用纯正英语（就像在和朋友聊天一样）来与这些无人机集群进行交流的新方法。
以下是该系统的运作方式，分为几个简单的部分：
1. “大脑”与“反射”
该系统使用两个主要部分协同工作，有点像人类的大脑和身体的反射动作。
- 大脑 (LLM)： 这是一个强大的人工智能（具体是 Google 的 Gemini 3.5 Pro）。你输入一个指令，比如 “组成一棵圣诞树” 或 “做一个圆圈”。大脑理解这个概念，并计算出为了组成该形状，每架无人机需要飞往何处。它非常擅长理解语言和几何图形。
- 反射 (安全过滤器)： 问题在于，大脑虽然聪明，但有些“空想”。它并不真正理解物理学。它可能会告诉两架无人机在同一时间飞向完全相同的地点，从而导致碰撞。
- 这就是反射发挥作用的地方。这是一个快速、自动的安全系统（每秒运行 20 次）在观察无人机。如果大脑告诉两架无人机靠得太近，反射系统会轻轻地将它们推开，就像你的手在意识到热度之前，本能地从热炉旁缩回一样。
2. 它们是如何相互通信的
该系统构建在一个名为 ROS2 的框架之上（可以将其理解为连接一切的神经系统）。
- 第 1 步： 你给出一个语音指令。
- 第 2： 大脑查看无人机当前的位置，并计算出新形状的目标位置。
- 第 3： 大脑将这些目标位置发送给反射系统。
- 第 4： 反射系统进行检查：“这安全吗？它们离得太近了吗？它们会撞到地面吗？” 如果一切正常，它就会发送移动指令。如果不正常，它会进行微小的、即时的调整以确保安全。
3. 路测
研究人员在计算机模拟（一个虚拟世界）中测试了该系统，测试了不同数量的无人机：同时操控 3 架、10 架，甚至 30 架。
- 形状： 他们要求系统制作三角形、圆形、网格、立方体，甚至是一个 3D 圣诞树。
- 结果： 大脑 100% 成功地 完成了形状任务。它成功地计算出了将无人机排列成这些形状所需的数学逻辑。
- 安全性： 他们尝试通过命令所有无人机撞向房间中心来欺骗系统。反射系统立即介入，将无人机推开，使它们从未发生碰撞。即使在无人机排列得非常紧密的情况下，系统也保持了它们的安全性。
4. 速度与局限性
- 速度： 安全系统反应极快（在毫秒内做出反应）。然而，“大脑”需要一点时间来思考（根据无人机数量的不同，大约需要 34 到 50 秒）。这是因为大脑位于“云端”（远程服务器上），互联网流量有时会导致延迟。
- 难点： 由于大脑在云端，如果互联网速度慢，无人机在变换新形状之前可能会等待一段时间。此外，该系统目前在干净的虚拟世界中表现最好。在现实世界中，风力或不稳定的传感器可能会让反射系统的完美表现变得更加困难。
总结
SkySim 证明了你不需要成为机器人专家也能控制无人机集群。你只需要用英语要求它们做某事，而底层的“安全网”会确保它们在执行任务时不会发生碰撞。它弥合了人类想法与机器人安全之间的鸿沟，让非专业人士也能轻松创建复杂的无人机表演或任务。
研究人员计划下一步将这项技术从计算机模拟应用到真实的物理无人机上，并希望通过将“大脑”直接放在无人机上（而不是依赖互联网）来提高其运行速度。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。