ドローン/LLMエージェント2026/6/1arXiv:2606.12142

AerialClaw: LLM駆動の自律型空中エージェントのためのオープンソースフレームワーク

AerialClaw: An Open-Source Framework for LLM-Driven Autonomous Aerial Agents

自然言語のミッションを理解し、実行可能な空中スキルを呼び出し、フィードバックを閉ループで反映するLLMベースの自律UAVエージェントを実現するオープンソースフレームワークを提案する。

詳しい要約

1. どんなもの？

- 目的: UAVをLLMベースの意思決定エージェントとして動作させるオープンソースフレームワークAerialClawの提案。 - 特徴: 自然言語ミッションを理解し、コンテキストを維持し、実行可能なaerial skillsを呼び出し、知覚・ランタイムフィードバックを観測して閉ループで意思決定を更新。 - アーキテクチャ: modular brain-skill-runtime。hard skills（原子UAV操作）、Markdownベースsoft skills（再利用可能タスク戦略）、document-driven agent stateとcapability boundaries、memory-driven reflection、safety-oriented runtime validation、platform-agnostic execution adapters。 - 対応環境: lightweight mock execution、PX4 SITL with Gazebo、AirSim-based simulation。web console、pluggable mo…

2. 先行研究と比べてどこがすごい？

- 従来: 多くのUAVアプリは事前定義コマンド列やタスク特化パイプラインに依存し、開発者がperception, planning, flight control, simulation, logging, safety modulesを手動接続。 - 課題: 自律航空システムの柔軟性、再現性、拡張性が制限される。 - 本研究: UAVを単なるコマンド追従プラットフォームではなく意思決定エージェントとして動作させる。 - 利点: 標準化されたaerial skills、document-driven agent state、memory、閉ループLLM意思決定を組み合わせ、再現可能で拡張可能なオープンソースフレームワークを提供。

3. 技術・手法の肝は？

- 中核: LLM-based agentが自然言語ミッションを理解し、コンテキストを維持し、実行可能なaerial skillsを呼び出し、知覚・ランタイムフィードバックを観測して閉ループで意思決定を反復更新。 - 構成: modular brain-skill-runtime architecture。 - hard skills: 原子UAV操作。 - soft skills: Markdownベースで再利用可能なタスク戦略。 - document-driven agent stateとcapability boundaries。 - memory-driven reflection。 - safety-oriented runtime validation。 - platform-agnostic execution adapters。 - 実行基盤: lightweight mock execution、PX4 SITL with Gazebo、AirSim-based simulationをサポート。 - 付属: web console、plugga…

4. どうやって有効だと検証した？

- 要旨からは不明。具体的な実験結果や評価指標、ベースライン比較は記述されていない。 - 提供物としてexample missions、simulation assets、staged deployment scriptsが挙げられているが、有効性検証の詳細は要旨に含まれない。

5. 議論はある？

- 要旨からは不明。限界、失敗事例、倫理的・安全上の議論、一般化可能性についての記述はない。 - 安全性に関してはsafety-oriented runtime validationの採用が述べられるが、その評価や議論は要旨に含まれない。

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、PX4 SITL with Gazebo、AirSim、LLM-based agents、UAV autonomy、modular robotics frameworksが挙げられる。 - 同分野の定番として、PX4、Gazebo、AirSim、ROS、MAVLinkなどの一般名を次に読む候補として挙げる。

※ 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: Ke Li, Jianfei Yang, Luyao Zhang, Guo Yu, Chengwei Yan, Yuan Ding, Di Wang, Nan Luo, Gang Liu, Xiao Gao, Quan Wang

分類: cs.RO, cs.CV

原文アブストラクト

Unmanned aerial vehicles (UAVs) are increasingly used in inspection, search and rescue, environmental monitoring, and emergency response. However, most UAV applications still rely on pre-defined command sequences or task-specific pipelines, where developers manually connect perception, planning, flight control, simulation, logging, and safety modules. This limits the flexibility, reproducibility, and extensibility of autonomous aerial systems. This paper presents AerialClaw, an open-source software framework that enables UAVs to operate as decision-making aerial agents rather than merely command-following platforms. Given a natural-language mission, AerialClaw allows an LLM-based agent to understand the task, maintain context, invoke executable aerial skills, observe perception and runtime feedback, and iteratively update its decisions in a closed loop. The framework adopts a modular brain-skill-runtime architecture, combining hard skills for atomic UAV operations, Markdown-based soft skills for reusable task strategies, document-driven agent state and capability boundaries, memory-driven reflection, safety-oriented runtime validation, and platform-agnostic execution adapters. AerialClaw supports lightweight mock execution, PX4 SITL with Gazebo, and AirSim-based simulation, together with a web console, pluggable model backends, example missions, simulation assets, and staged deployment scripts. By combining standardized aerial skills, document-driven agent state, memory, and closed-loop LLM decision-making, AerialClaw provides a reproducible and extensible open-source framework for building UAV systems that can interpret missions, make decisions, execute skills, and adapt their behavior from feedback.

arXivで原文を読む →arXiv概要ページ

← 論文一覧