Интересная работа попалась по теме применения больших языковых моделей в управлении БПЛА — Next-Generation LLM for UAV: From Natural Language to Autonomous Flight. Авторы Liangqi Yuan, Chuhao Deng и другие предлагают систему, в которой оператор может ставить задачу БПЛА фактически на естественном языке, а дальше система сама переводит её в маршрут и набор точек полёта. Статья опубликована на arXiv в октябре 2025 года.

Идея довольно простая, но интересная. Между человеком и автопилотом появляется несколько уровней обработки:

Команда оператора
↓
LLM — понимает задачу
↓
Route Planner — определяет точки маршрута
↓
Path Planner — рассчитывает waypoint'ы
↓
Control Platform
↓
БПЛА

То есть LLM здесь не пытается непосредственно управлять рулём высоты или двигателем. Её задача — понять, что именно хочет оператор, и передать это специализированным алгоритмам.

Авторы разделяют планирование на два уровня. Сначала определяется маршрут между интересующими точками [POI], затем уже строится конкретная трёхмерная траектория между waypoint'ами. При этом Path Planner учитывает не только геометрию маршрута, но и внешние данные: прогноз погоды, ограничения воздушного пространства и оценку риска на земле. Для оптимизации маршрутов используется, в частности, OR-Tools, а для построения траекторий — Particle Swarm Optimization.

Интересно, что авторы не ограничились красивой концепцией для виртуального квадрокоптера. Они рассматривают три сценария разного масштаба.

Первый — групповое патрулирование. Несколько БПЛА получают различные маршруты и должны при этом не конфликтовать при взлёте и посадке.

Второй — доставка. Маршрут проходит через несколько точек, причём оператор может менять требования уже в процессе планирования.

Третий — дальний перелёт. Рассматривается маршрут между Нью-Йорком и Лос-Анджелесом с промежуточными посадками для дозаправки. Это уже совсем другой масштаб по сравнению с большинством экспериментов с LLM и дронами.

Особенно интересна предложенная авторами шкала развития автономности:

Level 1 — LLM только понимает команду человека.

Level 2 — LLM участвует в выборе маршрута.

Level 3 — LLM участвует в построении траектории.

Level 4 — подключается непосредственное выполнение миссии.

Level 5 — условный LLM-as-Autopilot, когда языковая модель становится частью полностью автономной системы управления.

На мой взгляд, самое разумное в этой концепции — как раз отказ от идеи «давайте дадим ChatGPT управление самолётом». LLM хорошо подходит для интерпретации задачи и принятия решений высокого уровня, но критические функции полёта логичнее оставлять специализированным алгоритмам.

Например, команда может выглядеть примерно так:

«Выполни патрулирование района, обойди населённые пункты, посети три заданные точки и вернись на базу».

LLM превращает это в формализованную миссию, Route Planner выбирает последовательность точек, Path Planner рассчитывает конкретные waypoint'ы с учётом ограничений, а уже автопилот выполняет полученную траекторию.

Причём именно такой подход выглядит наиболее реалистичным и для самолётных БПЛА. LLM в этом случае становится своеобразным интерфейсом между человеком и системой планирования, а не заменой автопилота.

При этом до настоящей автономности здесь ещё очень далеко. Сами авторы отмечают проблемы с надёжностью LLM, нехваткой специализированных данных, нормативными ограничениями и необходимостью гарантировать безопасность решений. Поэтому пока это скорее архитектура и демонстрация направления развития, чем готовая технология автономного управления.

Но направление действительно интересное. Если такие системы будут развиваться дальше, привычная схема «оператор вручную создаёт миссию → расставляет точки → проверяет маршрут» постепенно может превратиться в «оператор формулирует задачу → система сама строит миссию → человек её утверждает».

Статья: Next-Generation LLM for UAV: From Natural Language to Autonomous Flight — Просмотр ссылок доступен только зарегистрированным пользователям