IEEE 综述 | UAV + 大模型 40 页教程：2032 年 125 亿美元 UAV 市场的四维技术栈

导读

无人机（UAV）正在从"能飞的传感器"变成"能听、能思考、能协作"的智能节点——前提是要把 LLM 和 MLLM 塞进机载资源受限、链路不稳的环境。由 Yousef Emami、Hao Zhou、Radha Reddy、Atefeh Hajijamali Arani、Biliang Wang、Kai Li、Luis Almeida、Zhu Han组成的 8 人团队（含 4 位 IEEE Senior Member + 1 位 IEEE Fellow）发布了一份 40 页长综述，把 LLM 辅助的 UAV 操作与通信拆成四条主线：

• LLM 适配技术栈：Pre-training / Fine-tuning / Prompt Engineering / RAG 四条路线 + PEFT 6 种具体方法 + 4 种推理部署模式
• UAV 通信与控制：导航规划、蜂群控制、安全与网络优化、多 LLM 架构
• MLLM 驱动的下一代 UAV 智能：MCoT、M-ICL、VLN、人机协同、语义理解
• 伦理与可持续：隐私、偏见、问责、环境影响 4 类风险

作者同步给了 DCS-ICL 端到端案例（10 传感器、100m×100m 场景）：Grok 和 Mistral-Large-3 在 2–3 步收敛到 0 丢包，LLaMA 停在约 8 个包。全文 13 张表格梳理 50+ 代表性工作与 UAVBench、UAVThreatBench 两个标准评测基准。

论文信息

• 标题：Large Language Model-Assisted UAV Operations and Communications: A Multifaceted Survey and Tutorial
• 作者：Yousef Emami, Hao Zhou, Radha Reddy, Atefeh Hajijamali Arani, Biliang Wang, Kai Li, Luis Almeida, Zhu Han
• 团队头衔：4 位 IEEE Senior Member（Emami、Zhou、Kai Li、Almeida）+ 1 位 IEEE Fellow（Zhu Han）
• 发表性质：IEEE 综述+教程类文章（Copyright 2026 IEEE）

一、为什么要专门综述 UAV+LLM？三个根本问题

论文把 UAV 接入 LLM 的必要性归结为三点传统方法难以同时满足的挑战：状态/动作空间维度高（UAV 高机动+有限感知+间歇连接，对地面设备信息不完整）、环境高度动态（精确解析建模不可行，deep RL 有 sim-to-real gap）、需要跨层信息协同（同时处理网络拓扑、信道、任务描述、历史解——LLM 的语义理解正好补齐）。

UAV 市场数据：2024 年 36.41 亿美元 → 2032 年 125.91 亿美元，CAGR 17.3%。

论文的系统级抽象把 LLM-UAV 融合分三层：认知与决策层（LLM 作 meta-controller，任务目标+环境上下文+系统约束 → 结构化任务描述、分解、重规划）；感知层（LLM 作多模态语义桥，视觉/LiDAR/频谱/IMU → 对象/活动/意图描述）；控制与通信层（高层计划 → 控制命令、轨迹、通信策略）。

二、LLM 怎么适配到 UAV 上？4 条路线 + PEFT + 推理优化

四条适配路线的核心权衡：

从零预训练 LLaMA 3.1 (405B) 需数千万 GPU 小时+数千万美元成本——对 UAV 场景，微调+RAG+提示工程的组合更可行。

图片来源于原论文

PEFT 6 种方法：Adapters、LoRA、QLoRA、Prefix-tuning、Prompt-tuning、P-tuning——让 GPT-3/BERT/LLaMA 级别模型能在有限硬件上适配到 UAV。

RAG 的 UAV 落地代表性数据：Hybrid LLM-RAG [40] 动态环境 IoD 任务 92% 决策准确率、94% 任务成功率；Augmented LLM-RAG [41] 多 UAV 协同 BLEU 0.82、cosine 0.87、决策延迟 120 ms；GraphRAG / HybridRAG 把语义检索 (VectorRAG) 与图关系推理 (GraphRAG) 结合。评估工具：RAGAS（参考无关三维评估）、RAGCHECKER（细粒度组件评估）。

Prompt Engineering 四大策略：ICL（任务+示例+查询，单模型仅推理，适合 few-shot 实时决策）、CoT（任务+多步推理示例，可解释性、结构化多步推理）、Prompt-Based Planning（高层目标+约束，长 horizon 规划）、Self-Refinement（初始+自批评，错误纠正、鲁棒性）。

ICL 在应急 UAV 的代表工作：ICLDC[52] UASNets 应急数据采集（vs DQN 和 Max Channel Gain 基线累积丢包显著降低）；FRSICL[53] 野火监测（AoI 更低 vs PPO）；AIC-VDS[55] 多 UAV 灾后监测（91% 丢包降低vs MADQN）；LLM-CRF[56] SAR 人机协同（64.2% 任务时间降低、94% 成功率、42.9% 认知负荷降低）。

LLM 推理部署：Centralized Edge Inference（实时决策但依赖稳定连接）、Local On-Device（隐私低延迟但能耗高）、Split Inference（降 UAV 算力但需协调）、Collaborative Device-Server（带宽友好，适合不稳定链路）。边缘参数上界 P = M × 8 / b（M 字节数、b 每参数比特精度）——8–16 GB RAM 理论支持 4–8B FP16 或 16–32B 4-bit 量化，实际限在 1–10B，与 Gemini Nano、Qualcomm 10B 级规模一致。

长上下文处理：Selective Context（token 自信息过滤）、LLMLingua（分层压缩）、Short-Term Working Memory（动态缓冲）、Long-Term Summary Memory（关键模式抽象）、AGI-Assisted Designs（episodic + semantic 记忆）。

三、LLM 如何帮 UAV 做通信与控制？

Section III 分 4 个子方向。

导航/规划/放置 8 个代表框架：SPINE[77] 城市与农村环境公里级语言指定任务；MSDTMD-SG[78] 多步思考运动决策采样 + RL 奖励，任务完成率胜 DRL 与 Ant Colony；Multi-UAV Placement[79] 迭代结构化提示优化 IAB 网络部署；FlockGPT[81] GPT-4 把几何命令翻译成 SDF 群飞控制代码；RALLY[82] LLM+MARL 动态角色分配（Commander/Coordinator/Executor）；SwarmChain (CoLLM)[83] 张量并行 + 自适应负载分发，蜂群片上推理 1.9–2.3× 加速、无云依赖；TypeFly[84] MiniSpec 流式解释+重规划，响应时间最多 62% 降低。

安全/自治/网络优化：LLM-HFACS[85] UAV 事故调查 macro-F1 0.58–0.76（18 类）、最佳类别 F1 0.76；LLM-Satellite-UAV-IoT[86] 6G 集成网络优化，微调 LLaMA-3 70B，27% 频谱效率提升、35% 决策延迟降低；Embodied Aerial Intelligent Agent[88] 开放世界 UAV 任务，14B 模型边缘部署、5–6 tokens/s @220W；LLM-Assisted UTM[89] 无人交通管理 最高 91.7% 决策准确率、平均响应 5.7 秒。

多 LLM 架构定义 3 种部署范式：Parallel/Ensemble（并行融合）、Hierarchical（Onboard→Edge→Cloud 分层资源感知）、Distributed Specialized Agents（角色分工）。代表工作 Aero-LLM（分层安全决策）、AEC 行业多 Agent 视觉检查框架（Router/PathPlanner/Controller/Perceptioner/Retriever）。

两个新的评测基准：UAVBench[100] 50,000 验证场景 + 50,000 MCQ + 10 种推理风格，评测 32 个 SOTA LLM——当前模型在感知和策略推理较好，但伦理判断、资源受限规划、多目标权衡仍弱；UAVThreatBench924 专家场景 + 4,620 RED 映射威胁，GPT-4o 接近 87% 的总威胁匹配率，小模型在可用性和后端层显著弱。

四、MLLM：下一代 UAV 的多模态智能

两项新兴推理机制：MCoT（Multimodal CoT）把 CoT 扩展到多模态；M-ICL（Multimodal ICL）推理时无梯度更新、用少量多模态示例对直接激活 LMM。

VLN 框架对比5 个代表：UAV-VLN[109] 把 VLN 重构为 QA、开放词汇视觉感知，强 zero-shot 泛化；SkyVLN[110] VLN 集成 NMPC 安全控制；LLMIR[111] OOD 指令改写器，绝对成功率 +1.39%、OOD 测试集 +1.51%；DuAI-VLN (AeroDuo)[112] 双 UAV 高/低空协作；AerialVLN[113] 连续 3D 城市空间 UAV VLN 基准。

MLLM 在 UAV 蜂群 6 个框架覆盖人-蜂群交互、队形控制、灾难监测、威胁检测等：自主蜂群 [105] 82.7% 命令提取准确率、83.8% 队形规划成功率；PromptPilot[107] 自然语言 UAV 控制 97.58% 视频选择效率。

MLLM 关键挑战 6 项：模型不确定性与幻觉、决策可解释性缺失、机载算力受限、复杂环境感知、人机意图理解、长上下文建模。

五、总结与思考：案例实证与治理层

DCS-ICL 端到端案例：10 传感器、100m×100m，每传感器 50 J 电池、40 packets 队列、100 mW 发射功率，DCS-ICL 边缘 LLM 输出调度决策，基线 MADQN。核心发现：GPT-4o-mini 下 DCS-ICL 与 MADQN 收敛后可比；但不同 LLM 差异极大——Grok 和两个 Mistral 模型前 2–3 步收敛到 0 丢包，LLaMA 停在约 8 个。

治理层 6 组件：Observability、Prompts & Feedback Logging、Tracing、Latency & Usage Monitoring、Safety Verification Layer、LLM + Safety Verifier 集成。核心论断：Observability + Safety Verifier + HITL三层叠加是从"功能组件"升级到"可治理系统"的底线。

图片来源于原论文

在此基础上，有几点值得进一步思考：

• "LLM 替代 DRL"的边界需谨慎：DCS-ICL 和 MADQN 收敛后相近——LLM 的优势不在稳态质量，而在无需训练、快速响应新任务。综述没给稳态差距的量化对比
• 不同 LLM 差异显著意味着选型不是规模问题：Grok/Mistral vs LLaMA 在同任务 0 vs 8 包的差距说明模型规模不是主要变量，需要同任务同基准的对比评测
• UAVBench + UAVThreatBench 是隐藏价值：50,000 验证场景 + 50,000 MCQ + 10 种推理风格是目前 UAV 领域最大规模的 LLM 评测基准
• MLLM 视觉幻觉在安全场景是硬约束：AeroCaps 数据集分析显示 MLLM 在航拍视角下幻觉率高于普通图像——Safety Verifier + HITL 不是可选项

综述的最大价值不在具体技术判断，而在把跨学科快速演进的领域系统化——让后续研究者能在 13 张表格组织的坐标系里找到位置。