AgenticSwarm：异构多无人机任务的语义感知和自适应任务分配

复杂环境中的多无人机任务要求系统了解周围场景和操作人员的意图，同时随着任务条件的变化保持可行的任务分配。本文提出了 AgenticSwarm，这是一种用于异构多​​无人机任务中语义感知和自适应任务分配的代理框架。代理解释航空图像和自然语言指令，以构建与观测场景对应的任务表示，将感知的对象和区域与任务要求、能力限制和任务依赖性联系起来。该信息增强了受限任务分配过程，其中在分配之前将障碍物感知路径可行性、能源消耗和受保护的返回家园要求纳入其中。在执行过程中，无人机故障、电池退化或任务修改等变化会触发从当前系统状态进行剩余任务重建，同时保留已完成的工作和侦察进度。 AgenticSwarm 在五个不同的 Gazebo 环境和室内真实测试环境中进行了评估，展示了其将语义推理与约束分配和自适应多无人机任务执行联系起来的能力。与 Grounding DINO+SAM~2.1 感知基线相比，基于 SAM3 的管道将类别感知召回率提高了 25.2 个百分点 (pp)，语义标签准确性提高了 29.5 个百分点。消除剩余任务重新规划将平均重复工作从 0% 增加到 61.7%，并将事件后恢复时间增加 58.6%，凸显了自适应重新规划对任务执行的贡献。