エージェント型UAV：ツール呼び出しと認知推論を統合したLLM駆動の自律制御

- UAV の自律性を LLM エージェントで高める **Agentic UAVs** フレームワークの提案 - Perception, Reasoning, Action, Integration, Learning の **5 層アーキテクチャ** - LLM による reasoning、database querying、third-party system 連携を統合 - 対象は defense, surveillance, disaster response などで使われる UAV - 既存系は SAE Level 2〜3 の自律性にとどまる - ROS 2 と Gazebo 上の **prototype** を構築 - YOLOv11 による物体検出、GPT-4 による reasoning、ローカル配備の Gemma 3 を組み合わせ

- 既存 UAV は rule-based control と narrow AI に依存し、動的・不確実な mission での適応性が限定的 - 文脈認識 reasoning、自律的意思決定、外部 system 統合に欠ける - 従来系は **LLM agent の tool-calling による real-time knowledge access** を活用していない点を課題として指摘 - 本研究は LLM-driven reasoning と database querying、third-party system 連携を UAV アーキテクチャに組み込む点が新しい - 具体的な性能差は search-and-rescue シミュレーションで示される

- **5 層構成**: Perception, Reasoning, Action, Integration, Learning - Perception は YOLOv11 で物体検出 - Reasoning は GPT-4 とローカル配備の Gemma 3 を利用 - Integration 層で database querying と third-party system との interaction を担う - LLM agent の **tool-calling** により real-time knowledge へアクセス - prototype は **ROS 2** と **Gazebo** 上に実装 - 計算 overhead は modest に抑えつつ、自律性と system-level integration を高める設計

- **simulated search-and-rescue scenarios** で評価 - 検出 confidence は **0.79**（比較対象 0.72） - 人物検出率は **91%**（比較対象 75%） - 正しい action recommendation は **92%**（比較対象 4.5%） - これらの結果から、modest な computational overhead で自律性と system-level integration が大きく向上すると報告 - 比較対象の具体的な構成は要旨からは不明

- 結果は LLM-driven reasoning と tool-calling が UAV の自律性向上に有効であることを示唆 - 特に correct action recommendation の大幅改善（4.5%→92%）が強調される - 計算 overhead は modest とされるが、定量的な内訳は要旨からは不明 - 実機ではなく **simulated** 環境での検証であり、実世界への一般化は要旨からは不明 - safety、latency、通信断時の挙動などへの議論は要旨からは不明

- 要旨で直接参照・比較されている研究は明示されていない - 関連手法として **YOLOv11**、**GPT-4**、**Gemma 3**、**ROS 2**、**Gazebo** の各文献を参照 - 同分野の定番として **LLM agent** と **tool-calling**、UAV の **SAE Level** 自律性に関する研究を次に読むべき