Language Conditioning Improves Accuracy of Aircraft Goal Prediction in Untowered Airspace

📄 arXiv: 2509.14063v1 📥 PDF

作者: Sundhar Vinodh Sangeetha, Chih-Yuan Chiu, Sarah H. Q. Li, Shreyas Kousik

分类: cs.RO

发布日期: 2025-09-17

备注: The last two authors advised equally. Submitted to the 2026 IEEE International Conference on Robotics and Automation. 8 pages, 6 figures

💡 一句话要点

提出语言条件约束的飞机目标预测框架，提升非塔台空域自主飞行安全性

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 飞机目标预测 自然语言理解 多模态融合 非塔台空域 自主飞行

📋 核心要点

  1. 在非塔台空域，自主飞机需要预测其他飞机的意图和目标位置，而现有方法主要依赖运动历史，忽略了重要的语音通信信息。
  2. 本文提出了一种多模态框架，将自然语言理解与空间推理相结合，利用飞行员的语音通信信息来提升飞机目标预测的准确性。
  3. 实验结果表明，该方法显著降低了目标预测误差，验证了语言条件约束预测的有效性，并为社会感知机器人运动规划提供了新思路。

📝 摘要（中文）

本文提出了一种多模态飞机目标预测框架，旨在提高自主飞机在非塔台空域运行的安全性。该框架融合了自然语言理解和空间推理，以改善自主决策。具体而言，利用自动语音识别和大型语言模型转录并理解飞行员无线电通话，识别飞机并提取离散的意图标签。这些意图标签与观测到的轨迹融合，用于调节时间卷积网络和高斯混合模型，从而进行概率性的目标预测。实验结果表明，与仅依赖运动历史的基线方法相比，该方法显著降低了目标预测误差，证明了语言条件约束预测能够提高预测精度。在来自非塔台机场的真实数据集上的实验验证了该方法的有效性，并突出了其在实现具有社会感知能力的、语言条件约束的机器人运动规划方面的潜力。

🔬 方法详解

问题定义：在非塔台空域中，自主飞机需要准确预测其他飞机的目标位置，以便安全地进行导航和避让。现有的目标预测方法主要依赖于飞机的运动轨迹历史，忽略了飞行员之间通过无线电进行的语音通信，这些通信包含了丰富的意图信息。因此，如何有效地利用这些语音信息来提高目标预测的准确性是一个关键问题。

核心思路：本文的核心思路是将飞行员的语音通信信息融入到目标预测模型中，通过自然语言处理技术理解语音中的意图信息，并将其作为条件约束来指导目标预测。这种方法结合了运动轨迹和语言信息，能够更准确地推断飞机的目标位置。

技术框架：该框架主要包含以下几个模块：1) 自动语音识别（ASR）模块，用于将飞行员的语音通信转换为文本；2) 大型语言模型（LLM）模块，用于理解文本信息，提取飞机标识和意图标签；3) 轨迹编码模块，用于提取飞机的运动轨迹特征；4) 融合模块，将意图标签和轨迹特征进行融合；5) 目标预测模块，使用时间卷积网络（TCN）和高斯混合模型（GMM）进行概率性的目标预测。

关键创新：该方法最重要的创新点在于将自然语言理解引入到飞机目标预测中，利用飞行员的语音通信信息来提高预测的准确性。与传统的仅依赖运动历史的方法相比，该方法能够更全面地理解飞机的意图，从而做出更准确的预测。

关键设计：在语言模型方面，使用了预训练的大型语言模型，并针对飞行员语音通信的特点进行了微调。在目标预测模块，使用了时间卷积网络来捕捉轨迹的时序特征，并使用高斯混合模型来表示目标位置的概率分布。意图标签通过条件约束的方式融入到高斯混合模型中，从而影响目标位置的预测。

📊 实验亮点

实验结果表明，与仅依赖运动历史的基线方法相比，该方法显著降低了目标预测误差，证明了语言条件约束预测能够提高预测精度。具体而言，在真实数据集上的实验结果显示，该方法在目标预测的准确率方面取得了显著提升，验证了其在实际应用中的有效性。

🎯 应用场景

该研究成果可应用于自主飞行器在非塔台空域的安全导航，提升空域管理的效率和安全性。通过理解飞行员的语音指令，自主飞行器能够更好地感知周围环境，预测其他飞机的行为，从而做出更合理的决策。此外，该方法还可以扩展到其他需要人机协作的场景，例如自动驾驶、机器人导航等。

📄 摘要（原文）

Autonomous aircraft must safely operate in untowered airspace, where coordination relies on voice-based communication among human pilots. Safe operation requires an aircraft to predict the intent, and corresponding goal location, of other aircraft. This paper introduces a multimodal framework for aircraft goal prediction that integrates natural language understanding with spatial reasoning to improve autonomous decision-making in such environments. We leverage automatic speech recognition and large language models to transcribe and interpret pilot radio calls, identify aircraft, and extract discrete intent labels. These intent labels are fused with observed trajectories to condition a temporal convolutional network and Gaussian mixture model for probabilistic goal prediction. Our method significantly reduces goal prediction error compared to baselines that rely solely on motion history, demonstrating that language-conditioned prediction increases prediction accuracy. Experiments on a real-world dataset from an untowered airport validate the approach and highlight its potential to enable socially aware, language-conditioned robotic motion planning.