LLM-通过信号时态逻辑规范翻译和修复实现低空无人机自然语言导航

低空无人机 (UAV) 的自然语言 (NL) 导航为非专业操作员提供直观的界面，为低空航空服务提供智能且便捷的解决方案。然而，在城市环境中部署这种功能需要将未指定的指令精确地融入安全关键的、受时空约束的动态可行的运动计划中。为了应对这一挑战，我们提出了一个统一的框架，将 NL 指令转换为信号时序逻辑 (STL) 规范，然后通过混合整数线性规划 (MILP) 合成轨迹。具体来说，为了从自由形式的 NL 生成可执行的 STL 公式，我们开发了一种推理增强型 大语言模型 (LLM)，利用思想链 (CoT) 监督和组相关策略优化 (GRPO)，确保高语法有效性和语义一致性。此外，为了解决严格的逻辑或空间要求引起的不可行性，我们引入了规范修复机制。该模块将基于 MILP 的诊断与 LLM 引导的语义推理相结合，有选择地放松任务约束，同时严格执行安全保证。广泛的模拟和真实飞行实验表明，所提出的闭环框架显着提高了 NL 到 STL 转换的鲁棒性，从而在复杂场景中实现安全、可解释和适应性强的无人机导航。