AeroWeaver：一种将空中技能编织进分布式、自适应集群执行的具身智能体框架

集体智能是一种协作式自主范式，多个智能体通过局部感知、信息交换和协调行动来追求共同目标。无人机集群通过协调多架飞行器执行搜索、巡检和跟踪等任务，体现了这一范式。近年来，大语言模型（LLM）智能体取得的进展增强了自然语言任务理解和高层规划能力，为任务描述与集体行为之间提供了灵活的语义接口。尽管这些进展拓展了语义推理能力，但将 LLM 智能体应用于无人机集群仍面临诸多挑战，包括将模型决策落地为可执行能力、协调全局任务推理与分布式执行，以及利用特定任务经验实现持续自适应。为应对这些挑战，我们提出了 AeroWeaver，这是一种具身智能体框架，能够将单架无人机的技能编织成协调的任务级行为。AeroWeaver 将语义决策连接至受治理的技能，组织基于角色的局部智能体以实现分布式协同，并利用按角色索引的状态—动作—奖励经验在线优化技能选择。实验和运行时验证表明，在测试条件下，AeroWeaver 能够保持技能执行的有效性，并支持以机体为局部主体的多无人机运行，而无需由中心智能体根据全局上下文生成联合动作；同时，奖励引导的在线更新为基于累积执行经验、无需训练即可实现自适应学习的集群智能体提供了一条路径。代码：https://github.com/Admire-ljb/AeroWeaver。