面向联网低空无人机的神经符号智能体框架

联网低空无人机需要可靠、适应性强的决策能力，以应对不确定观测、动态环境和间歇连接，而许多现有智能体系统受幻觉风险、数据依赖及弱泛化限制。本文研究神经符号智能体AI（NSAAI），将神经层面的现实依据、符号推理和闭环智能体交互结合，支持更可靠、更自适应的无人机自治。我们先考察数据效率、组合泛化、持续学习和零样本迁移的能力基础，再提出整合任务目标管理、神经符号规划、验证与元认知、技能执行与网络交互，以及共享知识和记忆的参考架构。在LAESim中实现的城市火灾巡检案例，展示无人机如何在间歇连接下协调感知和云访问，复用已验证的图像交付技能，并在完成任务前满足显式证据条件。结果说明NSAAI在联网无人机系统中支持可复用技能、基于证据的决策和自适应任务执行的潜力。我们还讨论不确定性感知推理、知识与技能扩展、自适应自监控和标准化评估等研究方向。