FlockGPT: Guiding UAV Flocking with Linguistic Orchestration

本文介绍了世界上第一个利用生成式人工智能通过自然语言快速控制无人机群的方法。所述方法使得用户可以直观地编排任意规模的群体，以达到所需的几何形状。该方法的关键特点是基于大型语言模型开发了一种新的接口，用于与用户进行交流并生成目标几何描述。用户可以在构建群体几何模型的过程中进行交互式修改或提供评论。通过将群体技术与使用带符号距离函数定义目标表面相结合，实现了无人机群体在目标状态之间的平滑自适应移动。我们对FlockGPT进行的用户研究证实了用户对无人机群体的直观控制水平较高。从未控制过无人机群体的受试者仅需几次迭代即可构建复杂的图形，并能够准确地识别形成的群体无人机图案。结果显示，通过基于大型语言模型的接口生成的六种不同几何图案在模拟无人机群体中的识别率很高（平均为80％，最高可达93％，如立方体和四面体图案）。用户评论称开发的系统具有低时间需求（NASA-TLX得分为19.2），高性能（NASA-TLX得分为26），吸引力（UEQ得分为1.94）和享乐质量（UEQ得分为1.81）。FlockGPT演示代码存储库位于：即将推出。

本论文旨在通过自然语言生成AI实现无人机群集控制，并解决群集控制中的几何形状问题。这是否是一个新问题？

论文的关键思路是通过大型语言模型与用户交互，生成目标几何形状描述，将群集技术与使用带符号距离函数定义目标表面相结合，从而实现无人机群集的平滑和自适应移动。

论文进行了用户研究，证实了该方法对于无人机群集的直观控制，以及用户生成复杂图形的能力。实验结果表明，六种不同的几何图案的识别率很高（平均80％，最高93％），用户对该系统的时间需求低（NASA-TLX得分19.2），性能高（NASA-TLX得分26），吸引力强（1.94 UEQ得分），享乐质量高（1.81 UEQ得分）。FlockGPT演示代码库可以在coming soon中找到。

最近在这个领域中，还有一些相关的研究，如《无人机群体控制中的多智能体协同方法》、《无人机群体控制中的人工智能技术》等。