MultiUAV-Plat：面向多无人机协作任务规划的LLM平台、基准与框架

大型语言模型（LLM）为高级机器人任务规划提供了一个有前途的接口，但它们在多无人机协作中的使用仍然难以系统地评估。现有的无人机模拟器主要强调动力学、感知或低级控制，而现有的 LLM 代理基准很少捕获空中机器人约束，例如部分可观测性、空间覆盖、无人机分配和多车辆协调。为了弥补这一差距，我们推出了 MultiUAV-Plat，这是一个轻量级、易于使用、面向 LLM 代理的仿真平台，用于多无人机协作任务规划。该平台公开简洁的 RESTful API、面向代理的观察、基于角色的信息访问、隐藏的验证逻辑和可选的 2D/3D 可视化，允许代理通过真实的工具交互而不是特权模拟器访问来解决任务。基于该平台构建的 MultiUAV-Plat 基准包含 75 个任务会话、1500 个自然语言任务以及跨目标分配、区域搜索、区域分配和巡逻场景的 9396 项验证检查。我们进一步提出了 Agent4Drone，一种特定于任务的 LLM 代理框架，它将多无人机行为构建为内存、观察、任务理解、规划、执行和验证。在完整的配对基准比较中，Agent4Drone 实现了 57.9% 的任务通过率、74.6% 的平均任务检查通过率和 72.0% 的全局检查通过率，大大优于 ReAct 基准，分别为 30.6%、47.9% 和 43.1%。 Agent4Drone 还将任务总失败率从 32.4% 降低到 12.9%。这些结果表明，MultiUAV-Plat 和 MultiUAV-Plat 基准为在现实信息和执行约束下研究 LLM 驱动的多无人机自主性提供了可重复的基础。