MultiUAV-Plat은 다중 무인기(UAV) 협력 임무 계획을 LLM 에이전트 관점에서 체계적으로 평가하기 위한 경량 시뮬레이션 플랫폼·벤치마크·프레임워크다. 기존 UAV 시뮬레이터가 동역학·지각·저수준 제어에, LLM 에이전트 벤치마크가 부분 관측·공간 커버리지·다기체 협조 같은 항공로봇 제약을 담지 못한 공백을 메운다. 간결한 REST API, 에이전트 대면 관측, 역할 기반 정보 접근, 은닉 검증 로직을 노출해 특권적 접근 없이 현실적 도구 상호작용으로 임무를 풀게 한다. 벤치마크는 표적 할당·영역 탐색·순찰 등에서 75개 임무 세션, 1,500개 자연어 과제, 9,396개 검증 항목을 포함한다. 제안한 Agent4Drone는 과제 통과율 57.9%, 평균 과제 검사 통과율 74.6%로 ReAct 베이스라인(30.6%, 47.9%)을 크게 앞서고 실패율을 32.4%→12.9%로 낮췄다.
- •다중 UAV 협력 계획을 LLM 에이전트 관점에서 평가하는 경량 시뮬레이션 플랫폼·벤치마크 구축
- •REST API·역할 기반 정보 접근·은닉 검증 로직으로 특권 접근 없이 현실적 도구 상호작용 강제
- •벤치마크: 75개 임무 세션, 1,500개 자연어 과제, 9,396개 검증 항목
- •Agent4Drone 과제 통과율 57.9% vs ReAct 30.6%, 실패율 32.4%→12.9%로 개선
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
MultiUAV-Plat: An LLM-Oriented Platform, Benchmark and Framework for Multi-UAV Collaborative Task Planning
- 1.다중 UAV 협업 임무계획을 위한 LLM 에이전트 지향 시뮬레이션 플랫폼 MultiUAV-Plat 공개
- 2.벤치마크는 75개 임무 세션·1500개 자연어 태스크·9396개 검증 체크로 구성
- 3.제안 프레임워크 Agent4Drone는 태스크 통과율 57.9%로 ReAct 베이스라인 30.6%를 크게 상회
- 4.Agent4Drone가 전체 실패 태스크율을 32.4%에서 12.9%로 감소
왜 중요한가?
기존 UAV 시뮬레이터는 동역학·제어에, LLM 에이전트 벤치마크는 항공로보틱스 제약 반영에 한계가 있었는데, 부분관측·공간커버리지·다기체 협조를 RESTful API로 노출해 재현 가능한 다중 UAV 자율성 연구 기반을 제공한다.
언급 프로젝트
본문 미리보기
arXiv:2606.31073v1 Announce Type: new Abstract: Large language models (LLMs) provide a promising interface for high-level robotic task planning, but their use in multi-UAV collaboration remains difficult to evaluate systematically. Existing UAV simulators mainly emphasize dynamics, perception, or low-level control, while existing LLM-agent benchmarks rarely capture aerial-robotics constraints such as partial observability, spatial coverage, UAV assignment, and multi-vehicle coordination. To bri
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
