Swarm-GPT: Combining Large Language Models with Safe Motion Planning for Robot Choreography Design

本文介绍了Swarm-GPT，这是一个将大型语言模型（LLMs）与安全的群体运动规划相结合的系统，提供了一种自动化和新颖的方法来部署无人机群体编排。 Swarm-GPT使用户能够通过自然语言指令自动生成同步的无人机表演。 Swarm-GPT强调安全和创造力，通过将生成模型的创造力与基于模型的规划算法的有效性和安全性相结合，填补了无人机编排领域的关键差距。实现这一目标的方法是促使LLM基于提取的音频数据生成一组独特的航点。轨迹规划器处理这些航点以保证无碰撞和可行动作。可以在执行之前在仿真中查看结果，并通过动态重新提示进行修改。Sim-to-real转移实验证明了Swarm-GPT准确复制了模拟无人机轨迹的能力，平均sim-to-real均方根误差（RMSE）为28.7毫米。到目前为止，Swarm-GPT已经成功展示了三个现场活动，展示了预训练模型的安全实际部署。

Swarm-GPT试图解决的问题是如何将大型语言模型与安全的群体运动规划相结合，以实现自动化的、可部署的无人机群编排。这个问题是一个新问题。

Swarm-GPT的关键思路是通过自然语言指令促使LLM生成一组独特的航点，然后通过轨迹规划器处理这些航点以保证无碰撞和可行动作。Swarm-GPT将生成模型的创造力与模型驱动的规划算法的有效性和安全性相结合，以实现创造性和安全性的平衡。

该论文的实验设计了模拟和实际测试，展示了Swarm-GPT的能力。在模拟测试中，Swarm-GPT能够准确地复制模拟无人机轨迹，平均模拟到实际的均方根误差为28.7毫米。此外，Swarm-GPT已经在三个现场活动中成功展示，证明了预训练模型的安全实际部署。

最近在这个领域中，也有其他相关研究。例如，一篇名为“无人机编队中的自适应分布式控制”（Adaptive Distributed Control in Drone Formations）的论文提出了一种自适应分布式控制方案，以实现无人机编队的运动规划。还有一篇名为“基于深度强化学习的无人机编队控制”（Drone Formation Control Based on Deep Reinforcement Learning）的论文，提出了一种基于深度强化学习的无人机编队控制算法。