日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ドローン自律制御arXiv:2603.14236

AeroGen: 単発構造化プロンプトとドローンSDKによるエージェント型ドローン自律制御

AeroGen: Agentic Drone Autonomy through Single-Shot Structured Prompting & Drone SDK

シェア:XThreadsFacebookLINEはてブBluesky

LLMが生成するドローン制御コードの信頼性を高めるため、API仕様や飛行制約をプロンプトに組み込むフレームワークAeroGenを提案し、20種類のナビゲーションタスクと5つのミッションで有効性を検証した。

詳しい要約

1. どんなもの?

- LLMを用いてUAVの自律制御プログラムを単一ショットで生成するオープンループ型フレームワーク「AeroGen」を提案。 - 構造化されたguardrailプロンプトとAeroDaaSドローンSDKを統合。 - ユーザープロンプトから制約を考慮したAeroDaaS Pythonコードを生成し、実世界とシミュレーションの両方で動作。

2. 先行研究と比べてどこがすごい?

- 従来のLLMコード生成は安全クリティカルなUAVでは信頼性が不確かだった。 - AeroGenはAPI記述・飛行制約・運用世界ルールをシステムコンテキストプロンプトに直接エンコードし、最小限のサンプルコードで汎用LLMから制約認識コードを生成。 - これにより堅牢性・正確性・展開可能性が向上すると主張。

3. 技術・手法の肝は?

- 構造化guardrailプロンプト:API記述、飛行制約、運用世界ルールをシステムコンテキストに埋め込む。 - AeroDaaSドローンSDKとの統合により、汎用LLMが制約を考慮したコードを生成。 - 単一ショット生成で約40行のAeroDaaS Pythonコードを約20秒で出力。

4. どうやって有効だと検証した?

- 都市・農場・検査環境における20のナビゲーションタスクと5つのドローンmissionからなる多様なベンチマークで評価。 - 命令型と宣言型の両方のユーザープロンプトを使用。 - 実世界とシミュレーションの両方で約40行のコードを約20秒で生成し、有効性を検証。

5. 議論はある?

- 要旨からは不明。 - ただし、LLM生成コードの安全クリティカルなUAVにおける信頼性の不確かさに言及。 - 構造化プロンプトと明確なSDKが堅牢性・正確性・展開可能性を改善することを示唆。

6. 次に読むべき論文は?

- 要旨で参照/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、LLMによるコード生成、UAV自律制御、AeroDaaS SDK、guardrailプロンプトが挙げられる。 - 同分野の定番として、LLM-based code generation for robotics、UAV autonomy frameworks、prompt engineering for safety-critical systemsなどが考えられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Kautuk Astu, Yogesh Simmhan

分類: cs.RO, cs.DC

原文アブストラクト

Designing correct UAV autonomy programs is challenging due to joint navigation, sensing and analytics requirements. While LLMs can generate code, their reliability for safety-critical UAVs remains uncertain. This paper presents AeroGen, an open-loop framework that enables consistently correct single-shot AI-generated drone control programs through structured guardrail prompting and integration with the AeroDaaS drone SDK. AeroGen encodes API descriptions, flight constraints and operational world rules directly into the system context prompt, enabling generic LLMs to produce constraint-aware code from user prompts, with minimal example code. We evaluate AeroGen across a diverse benchmark of 20 navigation tasks and 5 drone missions on urban, farm and inspection environments, using both imperative and declarative user prompts. AeroGen generates about 40 lines of AeroDaaS Python code in about 20s per mission, in both real-world and simulations, showing that structured prompting with a well-defined SDK improves robustness, correctness and deployability of LLM-generated drone autonomy programs.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI