.png){kind=icon}
返回
Chat with UAV - human-UAV interaction based on large language models
.png){kind=icon}
PRE
AI
DOI：10.1007/s10458-026-09751-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无人机交互系统的未来正从工程师驱动转向用户驱动，旨在取代传统的预设人机交互设计。这一转变旨在实现更个性化的任务规划和设计，从而获得更高质量的交互体验和更大的灵活性，可用于农业、航拍、物流和环境监测等多个领域。然而，由于用户与无人机之间缺乏通用语言，此类交互往往难以实现。大型语言模型的发展能够理解自然语言和机器人（无人机）的行为，标志着个性化人机交互的可能性。近年来，已提出一些基于LLM的HUI框架，但它们普遍存在混合任务规划和执行困难的问题，导致在复杂场景中适应性低。在本文中，我们提出了一种新颖的双代理HUI框架。该框架构建了两个独立的LLM代理（任务规划代理和执行代理），并应用不同的提示工程分别处理任务的理解、规划和执行。为验证框架的有效性和性能，我们构建了一个覆盖无人机四种典型应用场景的任务数据库，并使用三项独立指标量化了HUI框架的性能。同时，选择了不同的LLM模型来控制无人机并比较性能。我们的用户研究实验结果表明，该框架提升了HUI的流畅性和任务执行中的灵活性，有效满足了用户的个性化需求。
Keyword:
Prompt engineering
UAV
LLMs
Agent
Human-UAV interaction
期刊
A
IF:
2.6
论文数:
31
被引数:
1.2K
机构
引用论文
Evaluation of User Experience in Human-Robot Interaction: A Systematic Literature Review人机交互中的用户体验评估: 系统文献综述
PREAI
分享收藏Design and implementation of a novel architecture for physical human-UAV interaction一种新型人机物理交互架构的设计与实现
PREAI
分享收藏PROGPROMPT: program generation for situated robot task planning using large language modelsProprompt: 使用大型语言模型生成用于机器人任务规划的程序.png)
AUTONOMOUS ROBOTS
OAAI
AUTONOMOUS ROBOTSIF4.3
OAAI分享收藏Multi-Drone Optimal Mission Assignment and 3D Path Planning for Disaster Rescue面向灾害救援的多无人机最优任务分配与三维路径规划DRONESOAAI
DRONESIF4.8
OAAI分享收藏分享收藏
查看更多内容