具有持久任务运行时的无人机自主选择性代理恢复

当基于本地航路点或设定点的执行遇到通道阻塞、重复无进展行为或任务级模糊性时，代理 AI 可以通过提供高级恢复推理来支持无人机 (UAV) 自主。然而，在物理无人机上，远程推理在有选择地调用时最有用，因为每次调用都会引入延迟、资源成本、后端不确定性以及验证返回决策的需要。本文介绍了持久任务运行时 (PMR)，这是一种无人机恢复框架，可将任务循环和安全关键执行保持在本地，同时仅使用外部代理推理器作为按需恢复模块。推理器从预定义的恢复技能中进行选择，每个返回的决策都会经过解析、验证、安全过滤并映射到本地执行器操作，然后才能影响飞行。 PMR 引入了调用的学习认知价值（learned-CVI），这是一种紧凑的准入门，可以估计远程代理推理何时可能改善近期任务进度，足以证明其运营成本是合理的。在具有 8 个场景的固定 400 次运行 Gazebo/PX4 基准测试中，学习 CVI 将硬/模糊机制成功率从纯本地自治下的 5.0% 提高到 95.0%，比一次性和周期性推理基线高出 20.0 和 32.5 个百分点，并且相对于手动调整的基于规则的调用，远程代理调用减少了 16.7%，记录的词元减少了 29.2%基线。