管理分布式智能体 UAV 集群中的上下文与通信

arXiv:2610.01569v1 发布类型：cross 摘要：无人机（UAV）集群日益依赖语言模型智能体，在不确定环境中提供自适应的任务级推理。完全分布式的控制方式中，每架 UAV 都搭载独立的小型语言模型（SLM），无需依赖集中式协调器，但也带来了信息管理问题：持续运行的交互历史可能导致推理上下文质量下降，而不加区分的信息传播则会增加通信和推理开销。针对这些挑战，我们提出了一种分布式 UAV 智能体架构，通过事件驱动的 reason-act-observe 生命周期实现持续的本地 SLM 控制。运行时知识以结构化原子笔记的形式表示，并组织为核心记忆、本地记忆和特定于对等节点的记忆。确定性的兴趣感知 gossip 引擎根据面向特定接收者的语义新颖性和时效性，有选择地传播这些笔记。我们在模拟的搜索与救援任务中使用十架 UAV 对该架构进行了评估。我们的方法完成了所有实验运行，而不受限制的泛洪消息传播仅完成了 70%–85% 的实验运行；将转发决策交由 SLM 则在每次运行中都无法完成任务。与不受限制的泛洪传播相比，我们的方法使推理令牌消耗量约减少一半，降低了传输数据量，并取得了更低的幸存者数量误差。