UAV/LLMエージェント2026/6/1arXiv:2606.00104

PEACE: 制約を強制するUAV用プランナー・実行エージェント

PEACE: A Planner-Executor Agent with Constraint Enforcement for UAVs

LLMによる高レベル計画とROS 2/MAVLinkによる低レベル制御を分離し、高度制限や地理的フェンスなどの制約を強制するUAVエージェントを提案。PX4シミュレーションで実証し、説明可能性と制約順守を向上させつつLLM呼び出しを削減した。

詳しい要約

1. どんなもの？

- PX4ベースのドローン向けに、高レベルなミッション計画と低レベル制御を分離したplanner-executorエージェント「PEACE」を提案。 - 大規模言語モデル（LLM）が単一パスでタスク計画を行い、実行はROS 2のツール呼び出しインターフェースを介してMAVLinkに橋渡しされる。 - 世界モデルはモジュラーな2D検出器（YOLOやvision-language models）とピンホール深度投影モジュールを組み合わせて3D物体位置推定を構築。 - 制約施行層が高度制限と水平ジオフェンシングを強制し、有界リプランニングが実行時のアクション失敗からの回復を可能にする。 - 基盤モデルベースのロボティクスシステムの3つの一般的設計パターンに位置づけ、GazeboでのPX4 software-in-the-loopシミュレーションで実現可能性を実証。

2. 先行研究と比べてどこがすごい？

- 既存手法はモデルを密な制御ループに置くためレイテンシとハルシネーションリスクが増大するか、自然言語を不透明なエンドツーエンドポリシーにコンパイルして説明・制約が難しく、ドメイン固有データセットとファインチューニングを必要とする。 - 提案手法は計画と実行を分離し、説明可能性の向上、制約施行、LLM呼び出し回数の削減を実現。 - 密結合なLLM制御と比較して、これらの点で改善が見られる。

3. 技術・手法の肝は？

- LLMによる単一パスのタスク計画と、ROS 2ツール呼び出しインターフェースを介したMAVLinkへの橋渡しによる実行の分離。 - 世界モデル構築のため、モジュラーな2D検出器（YOLOやvision-language models）とピンホール深度投影モジュールを組み合わせて3D物体位置推定を実施。 - 制約施行層で高度制限と水平ジオフェンシングを強制。 - 有界リプランニングにより実行時アクション失敗からの回復を可能にする。

4. どうやって有効だと検証した？

- PX4 software-in-the-loopシミュレーションをGazeboで実施し、提案手法の実現可能性を実証。 - 結果として、密結合なLLM制御と比較して説明可能性の向上、制約施行、LLM呼び出し回数の削減が示された。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究や関連手法：密結合なLLM制御、エンドツーエンドポリシー、YOLO、vision-language models、PX4、ROS 2、MAVLink、Gazebo。 - 同分野の定番：LLMベースのロボティクス計画、制約付き強化学習、ドローン自律制御。

※ 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: Erdem Uysal, Timo Kehrer, Sebastiano Panichella

分類: cs.RO, cs.AI

原文アブストラクト

Foundation models are increasingly used to drive autonomous systems, yet existing approaches either keep the model in a tight control loop, raising latency and hallucination risk, or compile natural language into opaque end-to-end policies that are hard to explain, constraint and require domain-specific datasets and fine-tuning. We propose a planner-executor agent for PX4-based drones that decouples high-level mission planning from low-level control. A large language model performs single-pass task planning, while execution is handled through a structured ROS 2 tool-calling interface bridged to MAVLink. The system constructs a world model by combining modular 2D detectors (e.g., YOLO or vision-language models) with a pinhole depth projection module for 3D object localization. A constraint enforcement layer enforces altitude limits and horizontal geofencing, and bounded replanning enables recovery from execution-time action failures. We position our approach within three common design patterns for foundation-model-based robotics systems and demonstrate its feasibility in PX4 software-in-the-loop simulations in Gazebo. Results highlight improved explainability, constraint enforcement, and reduced LLM calls compared to tightly coupled LLM control. The code, dataset, videos, and other material can be found at the following link: https://github.com/erdemuysalx/PEACE

arXivで原文を読む →arXiv概要ページ

← 論文一覧