低空无线网络中面向异构无人系统的智能体AI组网

低空无线网络正成为异构无人系统的重要基础设施，使其能够在共享三维空域中支持并发服务。共存使移动性、连接性和共享网络资源强耦合，而异构服务提出不同且随时间变化的要求。这些交互自然形成动态非合作博弈，运行条件与协调目标都随时间演变。传统优化和学习控制器通常依赖预定义目标，限制了其自主适应服务要求与资源优先级变化的能力。为此，我们提出按双环结构组织的层级混合大语言模型与多智能体强化学习架构。外部适应环通过大模型辅助的博弈编排解释服务要求和运营者意图，并重新配置目标与资源优先级；内部环则在配置后的博弈中执行去中心化、以参数为条件的多智能体强化学习策略。物流监测案例说明，该框架能够支持异构服务的协调共存，无需重新训练底层强化学习策略即可适应运行条件演变。最后，我们讨论实现可扩展、可信和自适应智能体低空无线网络的关键挑战与研究方向。