AUV 操作中共享自主的认知架构

操作员对于遥控潜水器 (ROV) 的操作仍然至关重要，但他们常常面临态势感知能力低和工作量大的问题，这两者都会对安全产生负面影响。本文提出了一种由本体和多个 大语言模型 (LLM) 组成的认知架构，以在任务的各个阶段为操作员提供帮助。每个 LLM 都以来自本体的特定领域信息为基础，并被赋予一个简单的角色来创建一个可以在操作的所有阶段支持操作员的系统。我们的目标是证明，将两者结合使用将使决策基于相关领域知识，同时也受益于 LLM 的推理能力。我们的框架确定给定的无人水下航行器（UUV）是否可以执行任务，执行任务规划并在模拟中执行给定的任务。操作员可以参与规划和执行，确保最终的计划有效并且车辆在执行过程中安全运行。我们比较不同的 LLM、Llama3、GPT-OSS 和 Qwen2.5，以确定哪些最适合我们框架中的不同角色。我们发现 GPT-OSS 在可行性评估、规划和执行方面表现最佳，而 Qwen2.5 最适合从自然语言输入中识别任务类型。