计及端侧算力约束的无人机集群大语言模型驱动任务拆解与自适应协同设计.docxVIP

PAGE2

计及端侧算力约束的无人机集群大语言模型驱动任务拆解与自适应协同设计

摘要

随着无人机集群在复杂灾害搜救与战场侦察等场景的广泛应用，传统规则驱动的协同方式难以应对动态未知环境。大语言模型（LLM）具备强大的语义理解与逻辑推理能力，为集群自主决策提供了新范式。然而，LLM的高算力需求与无人机端侧计算资源受限之间存在显著矛盾。本课题旨在解决这一痛点，设计计及端侧算力约束的LLM驱动任务拆解与自适应协同系统。

课题核心方案为：将LLM推理过程抽象为有向无环图（DAG），依据端侧实时算力感知，将子任务自适应拆解并调度至多机协同推理。全文按工程递进思路展开：第一章剖析需求痛点与目标；第二章论证关键技术选型；第三章细化系统功能与非功能需求；第四章构建云边端协同总体架构；第五章详细设计DAG生成与自适应调度算法；第六章展示系统实现与难点攻克；第七章执行功能与性能测试；第八章总结成果并展望未来。

核心创新点在于：提出基于算力感知的LLM推理DAG动态拆解机制，以及多机分布式协同推理调度策略，突破了单机算力瓶颈，实现了集群智能水平的跃升。

第一章绪论

1.1研究背景

近年来，无人机集群在灾害搜救、地形勘测与战术侦察等复杂场景中发挥着不可替代的作用。在这些场景中，环境通常具有高度动态性与不确定性，传统基于预设规则的协同控制方法往往难以适应突发状况。集群系统迫切需要具备类似人类的常识