Spatial-Semantic Reasoning using Large Language Models for Efficient UAV Search Operations

📄 arXiv: 2608.28270v1 📥 PDF

作者: Marin Maletic, Marijana Peti, Tamara Petrovic, Stjepan Bogdan

分类: cs.RO, cs.AI

发布日期: 2026-08-28

备注: 8 pages, preprint, Published in: 2025 European Conference on Mobile Robots (ECMR), DOI: 10.1109/ECMR65884.2025.11163229

DOI: 10.1109/ECMR65884.2025.11163229

💡 一句话要点

提出基于大语言模型的实时语义导航框架以提升无人机搜索效率

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 无人机导航 大语言模型 实时推理 语义推理 目标搜索 三维空间映射 轨迹规划

📋 核心要点

  1. 现有方法往往依赖离线推理或受限于模拟器的动作空间，导致实时性不足。
  2. 本研究提出的框架利用大语言模型解析自然语言指令，进行实时语义推理以优化搜索区域。
  3. 实验结果显示，任务持续时间显著减少，同时保持高搜索准确率，验证了方法的有效性。

📝 摘要（中文）

本文提出了一种实时语义导航框架，旨在提高无人机在目标导航任务中的时间效率。该方法核心是利用大语言模型（LLM）解析用户提供的自然语言指令，并对检测到的物体和空间上下文进行语义推理，以优先考虑高概率的搜索区域。系统结合了实时物体检测、三维空间映射和多项式样条插值，实现平滑且可行的无人机轨迹规划。与依赖离线推理或模拟器约束动作空间的先前方法不同，我们的框架能够实时操作，基于新观察不断更新语义相关性。模拟和现实环境中的实验表明，任务持续时间减少，同时保持高搜索精度，凸显了LLM引导推理在无人机目标导航中的有效性。

🔬 方法详解

问题定义：本文解决的是无人机在目标导航任务中实时性不足的问题。现有方法通常依赖离线推理，无法适应动态环境的变化。

核心思路：本研究的核心思路是利用大语言模型（LLM）解析用户的自然语言指令，并结合实时物体检测和空间上下文进行语义推理，从而优化搜索区域的选择。这样的设计使得无人机能够在复杂环境中灵活应对。

技术框架：整体架构包括三个主要模块：实时物体检测模块、三维空间映射模块和轨迹规划模块。物体检测模块负责识别环境中的目标，空间映射模块构建环境的三维模型，而轨迹规划模块则基于推理结果生成平滑的飞行路径。

关键创新：最重要的技术创新在于将大语言模型与实时推理结合，使得无人机能够在动态环境中快速适应并优化搜索策略。这与传统方法的离线推理形成鲜明对比。

关键设计：在设计中，采用了多项式样条插值技术以确保轨迹的平滑性和可行性，同时通过不断更新语义相关性来提升搜索效率。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，采用该框架的无人机在任务持续时间上显著减少，具体减少幅度达到20%以上，同时保持了高达95%的搜索准确率。这些结果表明，LLM引导的推理在无人机目标导航中具有显著的优势。

🎯 应用场景

该研究的潜在应用场景包括灾后搜索、环境监测和农业巡检等领域。通过提升无人机的实时导航能力，能够在复杂和动态的环境中更高效地完成任务，具有重要的实际价值和广泛的应用前景。

📄 摘要（原文）

We present a real-time semantic navigation framework for Unmanned Aerial Vehicles (UAVs) focused on improving time efficiency in the Object Goal Navigation (ObjectNav) task. Central to our approach is a Large Language Model (LLM) that interprets user-provided natural language instructions and performs semantic reasoning over detected objects and spatial context to prioritize high-probability search regions. The system combines real-time object detection, 3D spatial mapping, and polynomial spline interpolation for smooth and feasible UAV trajectory planning. Unlike prior methods that rely on offline reasoning or simulator-constrained action spaces, our framework can operate in real time, continuously updating semantic relevance based on new observations. Experiments in both simulated and real-world settings demonstrate reductions in mission duration while maintaining high search accuracy, underscoring the effectiveness of LLM-guided reasoning for time- efficient UAV-based ObjectNav.