尧图网页设计 
大家读完觉得有帮助记得关注和点赞摘要在带宽受限、时变无线链路上运行的去中心化自主无人机UAV蜂群中潜在空间通信为符号消息提供了一种有趣的替代方案。然而当同构的冻结模型被以离散化感知输入提示时其广播状态会向共享提示模板坍缩。鉴于此我们提出 AeroLat一种使用证据注入的通道感知潜在语义通信框架。由此产生的潜在状态随后通过一个显式通信模型该模型涵盖带宽受限的序列化、加性噪声和信息陈旧度从而便于联合评估通信保真度和蜂群级协调。在多种子模拟中AeroLat 可证明地对编解码器选择、故障和蜂群规模增长保持韧性。它持续复现潜在蜂群异常而无白化对照组则恢复坍缩。特别地AeroLat 能够将虚假相似性降低 97.5%。索引词 语义通信、潜在空间通信、多智能体系统、LLM、去中心化无人机蜂群、表示坍缩。I 引言用于任务导向应用如灾后监视和固体废物处置违规的无人机蜂群搭载零样本感知和轻量级机载大语言模型LLM推理器。开放的协调问题是此类智能体应如何共享其信念、想法或感知。对此的主要答案基于自然语言或结构化符号消息。然而这施加了先前工作所称的符号瓶颈——发送端的自回归解码延迟、将丰富的内部信念分布量化为单一离散报告以及接收端的重编码歧义。与此一致该研究方向的最新进展将智能体间通信移入模型的连续潜在空间。对于无人机蜂群潜在通信的吸引力不仅限于避免语言生成的开销。当语言模型读取文本时它会构建一个向量即一长串数字表示其内部状态在它选择一个词之前当前心中所想。写一个句子会丢弃其中大部分内容因为模型对可能含义持有整个分布但必须发出一个特定的词串。潜在空间通信通过在共享兼容表示空间的智能体之间直接交换内部模型状态跳过了这一中间符号表示。I-A 动机让我们考虑一个任务一支小型机队调查一条非结构化河流流域或城市边缘的废物堆积和碎片。没有智能体看到整个场景每个智能体持有部分的、真正模糊的视图。机队必须在飞行中、通过共享无线介质、在同时运行感知的伴飞计算机上就是否存在异常达成一致。该设置的三个属性驱动了后续每一个设计决策。第一符号瓶颈带来了具体的系统级挑战因为它在通信和决策中都有可测量的开销。如果智能体必须在传输前将信念序列化为语言那么三种损失会叠加。在测量中每条消息在数据中心 GPU 上需要 0.88 秒在边缘级 GPU 上需要 3.1 秒远高于单次前向传递。另一方面潜在通道引入了大量通信开销而这一开销在很大程度上仍未得到考虑。I-B 贡献我们提出 AeroLat一种用于去中心化无人机蜂群的潜在语义通信栈。所提出的系统将广播隐藏状态视为需要工程化的信号而非需要传递的张量。每个智能体首先将其完整的零样本视觉后验表达给一个冻结的机载 LLM其次将最后一层隐藏状态作为其消息最后用一个线性算子移除共享提示模板子空间该算子由每个智能体独立且相同地导出无需训练、无需协调每条消息一次投影。白化后的状态随后穿过一个显式建模的空中链路该链路具有擦除、抖动、带宽受限序列化、噪声和量化并且其所携带的任务信息是被测量而非断言的。因此共识跟踪场景而非提示无论是在仿真中还是在完整栈的二十五次冷启动飞行中都是如此。简言之所提出工作的贡献如下• 我们提出证据注入和模板白化这是一种共享线性算子既不需要训练也不需要智能体间协调却能将判别相似性恢复到 0.025——这是对去中心化无人机蜂群通信最新技术水平的独特贡献。• 我们在相同感知栈上实现所提出模型并将其与现有蜂群调度方法进行基准比较使用 Welch 和 Mann–Whitney 检验并进行 Holm 校正跨二十个种子运行。• 我们在边缘级 GPU 上的 PX4/AirSim 活动中验证完整栈涵盖编解码器比较、故障注入、受损信道和机队扩展以展示所提出工作的有效性。表 I本问题所需两个能力簇的相关工作。✓ 已解决✗ 未解决p 部分解决。上部块表示潜在空间多智能体通信中部块表示语义通信下部块表示无人机网络与移动计算。工作领域LLM 潜在载荷抗坍缩测量信息界限信道模型移动性/节点速度物理平台种子统计Interlat [1]潜在 MAS✓✗✗✗✗✗pLatentMAS [2]潜在 MAS✓✗p✗✗✗✓CIPHER [3]潜在 MAS✓✗✗✗✗✗pThoughtComm [4]潜在 MAS✓pp✗✗✗✓KVComm [5]潜在 MAS✓✗✗✗✗✗✓Collapse study [6]LLM 委员会✓p✗✗✗✗✓DeepSC [7]语义通信✗✗p✓✗✗✓Semantics for 6G [8]语义通信✗✗p✓✗✗pKG semantic comm. [9]语义通信✗✗✗✓✗✗✓Drone squads [10]无人机机队✗✗✗p✓✓✓CLEVER [11]HetNet 视频✗✗✗✓✓✗✓Cooperative DNN inf. [12]边缘推理✗✗✗p✗p✓AeroLat所提出工作无人机潜在通信✓✓✓✓✓✓✓II 相关工作研究人员一直在为去中心化无人机蜂群开发新的语义通信栈方法。表 I 总结了现有格局。在本节中我们简要介绍一些现有文献分类为1潜在智能体间通信2语义通信与无人机网络。II-A 潜在智能体间通信Interlat [1] 建立了通过最后隐藏状态进行端到端通信并学习压缩为短潜在前缀。LatentMAS [2] 展示了通过最后一层嵌入和共享 KV 工作内存进行的免训练潜在协作报告相比基于文本的多智能体系统准确率提升高达 14.6%推理速度提高 4–4.3×。CIPHER [3] 用期望嵌入绕过 token 采样。ThoughtComm [4] 通过稀疏正则化自编码器建立可识别性保证而 KVComm [5] 通过传输校准后的 KV 缓存实现潜在通信。没有共享潜在几何的密集模型间消息传递在 [13] 中探索。跨模型潜在对齐由相对表示 [14] 和语义对齐翻译 [15] 实现单模型内的连续潜在推理可追溯到 COCONUT [16] 和 CODI [17]并已在 [18] 中扩展到视觉语言模型。具有冗余、近乎相同状态的同构 LLM 委员会在 [6] 中被形式化为一种病理并给出了来自有效秩族的多样性度量。II-B 语义通信与无人机网络DeepSC 及其后续工作 [7] 通过学习到的联合信源信道编码传输任务相关语义[8] 将语义视为 6G 机遇[9] 将语义编码与知识图谱耦合。合作空中机队已被研究用于无人机小队在能量和行程约束下对目标进行任务类及时检查并在真实实验和仿真中验证 [10]该路线优化无人机飞行位置而我们解决它们升空后彼此说什么因此两者是同一系统的互补层。由应用层状态驱动的跨层分配 [11] 正是我们的熵门控编解码器策略将为语义流量实例化的设计模式。工作 [19] 解决通信信道中的负载管理。工作 [20] 的作者通过语义感知流分割方案探索了索引调制下的通信语义。在工作 [21] 中作者探索了一种混合架构用于仅由激光或仅由电池供电的无人机以提高覆盖范围和耐久性。最后通过异构边缘节点上的设备放置和模型划分进行合作 DNN 推理 [12] 解决了我们的具身扩展活动独立识别的瓶颈。工作 [22] 提出了一种新的信道模型同时考虑移动性和阴影效应。综合 在详细分析现有方法后在以下交叉点上存在未解决的空白在受限移动信道上通信信息丰富、非坍缩的 LLM 潜在状态同时在运行期间在具身去中心化蜂群中维持任务相关语义。当前潜在多智能体系统方法表明隐藏状态、期望嵌入或 KV 表示可以替代显式文本并减少推理开销但大多假设无损、同地软件信道并且不考察移动性、带宽、丢包或信息陈旧度。无人机网络研究对移动性、争用、能量和边缘计算约束建模但将载荷语义视为不透明。III 系统模型表 II符号列表符号描述_i智能体无人机iT_inf感知/推理间隔3 秒I_i(t), v_i(t)_i 的帧和 CLIP 图像嵌入p_i(t), H_i(t)在 C13 个类别上的 CLIP 后验其熵x_i(t)证据口头化提示h_i(t)来自最后 k8 个隐藏状态的原始潜在位于 ℝ^7168μ白化均值Ptop-m 模板子空间ψ_i(t)白化广播状态ψ̂_j接收到的对等状态信道后λ融合系数a_jm注意力权重A_m消息年龄T_a陈旧度折扣常数Q_b(·)b 比特/维的量化器n_B载荷字节数p_ℓ擦除概率γ每符号 SNRR_tot共享介质预算R_link每链路速率Λ(N)聚合提供的网状负载D_sem语义失真 1−cos(ψ, ψ̂)C(t)白化共识v节点速度f_d多普勒频移T_c相干时间τ延迟ρ信息密度图 1单个智能体 _i 的 AeroLat 系统架构。(A) 零样本 CLIP 感知发出完整后验、图像嵌入、视觉熵和姿态而非 arg max 标签(B) 该证据被口头化到冻结 LLM 的提示中(C) 模板白化移除共享共模子空间。中心部分描绘异步 TCP 潜在网状网每个数据包一个连接带序列号和发送时间戳以便接收方测量消息年龄。(D) 陈旧度感知注意力融合(E) 符号飞行栈。III-A 平台和时序每个无人机 i ∈ {1, …, N}其中 N 是蜂群规模运行 PX4 [23] 飞行控制器通过 MAVLink/UDP 消费 10 Hz 位置设定点一个感知–推理栈CLIP ViT-B/32 [24] 用于零样本锚定Qwen2.5-0.5B [25] 用于在滚动推理间隔 T_inf 3 秒上生成潜在以及一个用于语义侧信道的 TCP 网状套接字。两个循环不共享锁推理截止期未命中只会降低消息新鲜度绝不会影响飞行稳定性。这种解耦是所提出工作的架构不变量如图 1 所示。III-B 消息生成在每个推理节拍无人机 i 捕获帧 I_i(t)计算在 C13 个场景/异常类别上的 CLIP 后验 p_i(t) ∈ Δ^{C−1} 和图像嵌入 v_i(t) ∈ ℝ^512构建证据口头化提示 x_i(t)并提取最后 k8 个 token 的最后一层隐藏状态广播状态是白化残差 ψ_i(t)。在线上测得的载荷大小包括 16 字节头为每个状态 28,688 Bfp32、14,352 Bfp16、7,184 Bint8和 3,600 Bint4。III-C 信道模型每个有向链路 (i → j) 按顺序应用信源编码以 b ∈ {32, 16, 8, 4} 比特/维进行量化 Q_b(·)整数模式使用对称逐向量缩放可选 top-s 幅度稀疏化每个保留系数收取显式 32 位索引成本。噪声对于模拟传输在每符号 SNR γ 下加性白高斯噪声AWGN即其中 s² [ψ²] / 10^{γ/10}陈旧度接收方丢弃比信息年龄阈值 A_max 更旧的状态并将幸存者按 e^{−A/T_a} 折扣。完整网状网的提供负载为 Λ(N) N(N−1) 8 n_B / T_inf对于 fp32 载荷在 N3、5、10、20 时分别计算为 0.5、1.5、6.9 和 29.1 Mb/s。这里明确说明二次增长因为它同时推动了量化和学习压缩。III-D 复杂度和开销对于每个智能体和每个推理节拍计算成本包括一次 CLIP 前向传递和一次 LLM 前向传递。白化投影的复杂度为 O(mD)其中 m4D7168。所产生的成本相对于 transformer 前向传递可忽略不计测得 1 ms。除此之外量化需要 O(D) 次操作融合产生 O(ND) 复杂度因为注意力至多在 N−1 个对等状态上进行。因此除两个固定前向传递外每智能体计算为 O(ND)并且由于不保留历史它与任务长度无关。通信成本是每智能体每节拍广播一次 n_B 字节给出上述聚合提供负载 Λ(N) N(N−1) 8 n_B / T_inf。III-E 指标使用以下指标评估通信质量、任务性能和蜂群状态多样性。对于 M 次评估传输或任务回合语义中继成功率为其中 _m 表示在第 m 回合满足任务特定成功标准。协调延迟计算为τ t_enc t_ch t_int, (5)其中三项分别表示编码、信道和接收端解释时间。我们通过评估信息密度来考察传输比特在保留任务相关信息方面的功效其中 Î(ψ̂, Y) 是接收到的语义状态与任务变量 Y 之间的估计互信息b 是传输比特数。我们还测量接收方解码假设的广度。令 q_(1) ≥ q_(2) ≥ ⋯ ≥ q_(K) 表示按降序排列的解码类别概率。我们可以将其定义为因此较小的 P_50 表示更集中的解码信念而较大的 P_50 表示更大的假设广度。共识 C(t) 是白化状态的 N×N 格拉姆矩阵 S_ij cos(ψ_i(t), ψ_j(t)) 的平均非对角项。最后我们使用有效秩监测潜在状态坍缩。令 Ψ(t) [ψ_1(t), …, ψ_N(t)]^⊤ ∈ ℝ^{N×D} 为堆叠的蜂群潜在集Ψ̄(t) 为其列中心化形式s_1 ≥ ⋯ ≥ s_R 0 为 Ψ̄(t) 的非零奇异值。令 π_r s_r / ∑_q s_q使得 π_r ≥ 0 且 ∑_r π_r 1有效秩为该过程消耗一个自由度给出 erank ∈ [1, N−1]。当蜂群状态坍缩到共同方向时该度量接近 1当它们张成权重相当、独立的方向时接近 N−1。IV 坍缩病理与 AeroLat 修复IV-A 模板白化令 {h_b(t)}_{b1}^{B} 为跨多样场景的原始潜在校准缓冲区。以均值 μ 和中心化缓冲区的前 m 个右奇异向量 P ∈ ℝ^{m×D}每个智能体广播 P 张成模板子空间残差携带场景特定变化。由于所有智能体运行相同的冻结权重和确定性校准协议(μ, P) 在整个机队中无需协调即一致。所有相似性、共识、融合和信道失真计算都在 ψ 上操作。当 m4 时该算子每条消息花费一次 D×m 投影。IV-B 损伤下的融合以及第二种坍缩机制接收方 j 通过缩放点积注意力将其自身 ψ_j 与对等状态融合包括自身并按消息年龄 A_m 折扣融合系数 λ 控制对等信息贡献并根据经验选择。这里的一个结构要求是融合必须使用新鲜感知潜在作为 ψ_j而不是先前的融合状态。对融合状态迭代 (9) 是一个 DeGroot 平均过程对于任何 λ0无论场景多样性如何都会收敛到一个共同向量。这导致一种动态坍缩它不同于提示诱导的表示坍缩。为避免跨轮重复平均AeroLat 每 T_inf 重新初始化本地感知。V 语义率失真和信息核算在评估信道性能之前我们首先刻画传输损伤对潜在状态所携带几何结构和任务相关信息的影响。因此以下部分针对所考虑的信道工作点使用互补的失真和信息度量分析 AeroLat。V-A 经验率失真图 2真实潜在语料上的语义率失真十个种子。从 fp32229.5 kb/状态到 int857.5 kb的密集量化在语义上无损D_sem ≤ 2×10^{−4}int428.8 kb在几何上付出 D_sem 0.067而接收方探针准确率仍为 0.905在该编解码器族内速率可以削减 8×任务失真才开始。图 3AWGN 鲁棒性。从 30 dB 降到 0 dB SNR几何失真增长D_sem → 0.293而接收方探针准确率保持平坦→ 0.889白化潜在码优雅退化没有数字悬崖。在语料上扫描量化和稀疏性得到图 2。Top-s 稀疏化被如实报告为在这些维度上一旦包括 32 位索引开销就不具竞争力。一般来说在低于约 4× 压缩时稀疏 int8 向量比密集向量消耗更多线上字节。AWGN 鲁棒性见图 3。降至 0 dB 的平坦准确率是数字符号数据包无法表现出的优雅退化曲线后者在残余比特错误下是灾难性的。V-B 测量的信息密度我们使用 I(ψ̂, Y) 的两个下界来量化接收潜在状态 ψ̂ 中保留的任务相关信息其中 Y 是场景/异常类别来自探针误差 e 的 Fano 界以及每个工作点训练的神经评论家 InfoNCE 界 I ≥ log N_b − ℒ_NCE。表 III 同时报告两者以及 ρ Î/b。量化在任务信息方面几乎免费表 III因此线上密度提高 8×而没有测得语义成本。表 III每个状态的测得信息以及信息密度 ρ神经 InfoNCE 和 Fano 界任务上限 H(Y)2.52 比特0 dB 处的边际超出反映有限批次估计器方差。工作点比特/状态Î_NCEFanoρ (b/kb)fp32无噪声229,504≥2.521.910.011fp16114,816≥2.521.910.022int857,472≥2.521.900.044int428,800≥2.521.880.088fp32 10 dB229,504≥2.521.830.011int8 10 dB57,472≥2.521.830.044fp32 0 dB229,504≥2.531.780.011图 4每个信道工作点的任务相关信息InfoNCE 和 Fano 下界柱和密度 ρ线。该状态基本上携带全部任务熵并且在 int4 量化和 0 dB AWGN 同时存在下仍保留它。VI 学习压缩四损失协议以下四损失目标遵循 Interlat [1] 引入的分类法我们这里的贡献是经验性的——先前工作陈述了这些损失但没有训练或剖析它们而随后的留一损失消融为每一项分配了测量角色。压缩器 M_c 将完整潜在轨迹 H_L 映射到 H_K ∈ ℝ^{8×896}并以冻结 LLM 作为测量设备进行训练其中 ℒ_task 是冻结接收方在以 H_K 为软前缀条件下产生正确结构化调查报告的交叉熵。ℒ_sep −JS(p_θ(·|C,H), p_θ(·|C,H̃))其中 H̃ 是批次不匹配的“必须倾听”压力。ℒ_pref 是完整轨迹和压缩条件之间置信度加权的师生 KL。最后ℒ_geom 1 − cos(z̄(A), z̄(D)) 对齐步骤平均的 actor 特征。如图和表 IV 所示训练在不到 38 个 epoch 内收敛匹配和不匹配前缀之间的 Jensen–Shannon 分离增加约 0.1 nat这证实了对传输潜在的依赖。消融表明L_pref 防止捷径学习L_geom 保留潜在方向L_sep 强制前缀依赖而对任务损失影响很小。可选压缩器将 int8 载荷从 57.5 kb 减少到 14.3 kb。如图消融表明L_pref 防止捷径学习L_geom 保留潜在方向L_sep 强制前缀依赖而对任务损失影响很小。可选压缩器将 int8 载荷从 57.5 kb 减少到 14.3 kb。视觉前缀投影器进一步将验证探针准确率提高到 0.973。表 IV压缩器训练和留一损失消融初始 → 最终损失值完整运行30 个 epoch消融15为公平起见完整运行在 epoch 14 读取 ℒ_task0.405。运行ℒ_taskℒ_sepℒ_prefℒ_geomfull→0.39−→−.11→1.52→.07no-sep→0.39(off)→1.55→.08no-pref→0.008→−.13(off)→.13no-geom→0.41→−.10→1.87(off)VII 实验评估本节在受控和全栈设置中评估 AeroLat 的表示质量、信道鲁棒性、基线性能和蜂群可扩展性。对于仿真阶段我们使用了高保真软件在环SITL架构该架构与详细的 AirSimUnreal Engine邻域环境 [26] 接口提供连续、非结构化的 3D 测试场。VII-A 协议我们从 UC Merced 土地利用数据集 [27] 中的六个场景类别的 1,000 张航空图像构建评估语料该数据集是用于土地利用分类的高分辨率航空图像基准。拟合的白化器作为部署产物导出。我们在 10–20 个随机种子上进行语义层实验探针评估、信道扫描、消融和扩展研究并报告均值 ± 标准差以及 95% bootstrap 置信区间。基线比较使用 Welch t 检验、带 Holm 校正的 Mann–Whitney U 检验和 Cohens d。全栈验证在 NVIDIA T10004 GB上使用 SITL 任务进行语义层实验和训练在 RTX 6000 Ada 上进行Airsim 也在其上运行。VII-B 坍缩和表示诊断表 V坍缩复现并修复每个条件 n400随机概率 0.167。第 4 行是早期草稿的旗舰“1.00 相似性”的解释。指标Argmax 提示先前系统证据提示AeroLat探针准确率原始 h0.593 ± 0.0710.923 ± 0.020探针准确率白化 ψ0.500 ± 0.0650.878 ± 0.037Fano MI原始比特0.611.96非对角余弦原始0.99780.9989非对角余弦白化0.1840.025有效秩原始 → 白化7.9 → 4.1164 → 233坍缩及其缓解总结在表 V 中。在 argmax 提示下跨场景原始潜在之间的平均余弦相似度为 0.9978。模板白化将混合场景上的判别相似性恢复到 0.025同时增加潜在多样性erank233表明语义内容和表示几何构成不同的失效模式。我们还在一个六类航空语料上测试表示其中 H(Y)2.52 比特、1,000 个样本并使用三种诊断• D1探针可恢复性。五折线性探针在原始状态上产生 0.915 ± 0.032 准确率在白化后产生 0.916 ± 0.030 准确率而随机准确率为 0.167即从广播向量预测场景类别。• D2表示敏感性。模板固定且仅视觉变化时场景间与场景内潜在距离之比为 1.34。• D3冲突融合/叠加。在 λ0.4 下融合来自两个冲突场景的白化潜在融合状态的探针 top-2 在 400 次试验中的 92.75% 包含两个源假设坍缩到单一假设7.25%。VII-C 基线比较图 5跨二十个种子的基线比较。从左到右中继成功率、协调延迟 τ、信息密度 ρ 和假设广度 P_50。表和图 5 报告了在语义中继协议下的正面对比其中发送方感知场景用被测编解码器编码消息消息穿过仿真信道接收方必须仅从消息识别发送方的场景。JSON 基线在延迟和载荷大小方面仍然更高效只需要 120 字节消息。潜在表示还导致更锐利的解码信念P_501.58相比符号基线≈2.25而 D3 确认在 92.75% 的试验中保留了冲突假设。总结来说AeroLat 相比最佳符号基线将 SR 提高了 0.24代价是显著更大的传输载荷。VII-D 消融• λ 扫描和两种融合机制。在证据刷新动态下图λ 呈现清晰的权衡同场景共识随着 λ→1.0 上升到 1.00而融合状态探针准确率在 λ0.3 之前保持 1.000在 λ0.4 时为 0.978之后退化0.5 时 0.9331.0 时 0.489。在纯 gossip 动态下对已融合状态迭代融合蜂群对任何 λ≥0.1 都收敛到跨场景共识 1.0融合准确率坍缩到 0.489。• 组件消融– 白化实验后发现探针准确率保持不变0.915→0.916而平均非对角余弦从 0.999 降到 0.188这是在全语料几何上而非内容上与表 V 一致。– CLIP 锚从提示中移除视觉证据后探针准确率降至 0.18 ≈ 随机而有视觉证据时为 0.78。结果识别出一种坍缩机制并证明场景特定视觉内容来源于视觉锚。提取 token 数量的影响见图与压缩器损失相关的消融总结在表 IV。图 6丢包下的共识i.i.d. 和 Gilbert–Elliott 突发N5 融合网状网十个种子。最终同场景共识在高达 50% 的每个丢包率下均为 1.00丢包只消耗收敛时间1.9→2.3 轮。图 7带宽上限下的信息年龄50 ms 链路延迟p95 消息年龄与每种编解码器的链路速率。在 500 kb/s 时量化将潜在消息从 552 msfp32降至 208 msint8和 151 msint4而 JSON 的下限为 100 ms在 ≥5 Mb/s 时所有编解码器收敛。图 8网状扩展十个种子达到 C≥0.9 的轮数呈亚线性增长N3→20 时为 1.4→2.3并且在共享 20 Mb/s 介质、int8 载荷和 10% 丢包下网状网在每个 N 下都保持 0.90 交付且收敛不变。VII-E 移动性节点运动下的延迟和交付如第 III-C 节所描绘信道是静态的但空中节点不是。此后我们用标准块衰落处理扩展链路模型并离线扫描。发现的结果表明int4 量化实际上任务无损。移动性结果表明同样的压缩对于时变信道中可靠的潜在通信也至关重要。在 0.9 交付下限下机队在 fp32 下支持 N4在 int4 下支持 N10——8× 的速率降低在任务信息上没有代价却换来了 2.5× 更大的蜂群。该结果从与网络设计相关的可扩展性和可靠性约束角度直接提供了提供负载趋势的操作解释。VII-F 全栈 SITL 活动表 VI十八任务 SITL 活动。一个任务挂起由每任务看门狗回收17/18 正常完成。粗体标记文本中讨论的值潜在编解码器的成功率和两个故障特征CoT 的网状网洪泛无白化对照的坍缩共识。配置任务SR编码 ms中位/p95白化 C(t)交付网状延迟符号 CoT20.003,137/3,4640.638±0.0831.0022.6 sJSON 调度30.33±0.4771/790.886±0.0411.0039 ms潜在死亡无人机 {1,2,3}30.67 (2/3)114–1200.83±0.061.0013–60 ms潜在20% 丢包 int8 50/25 ms 抖动20.50117/1280.656±0.1000.80136 ms潜在无白化对照20.00146/1590.999±0.0001.00134 ms潜在51.00117/1270.678±0.0941.0051 ms图 9无人机实际看到的帧。异质性是关键在任何瞬间蜂群持有真正不同、各自模糊的视图——_1 将生成的簇读作碎片概率仅 p0.25H2.28 nats——而正是这种残余不确定性由白化潜在信道传输并被基于 argmax 的 JSON 编解码器破坏。表 VI 报告了具身活动图 9 显示了捕获任务中代表性的机载感知。表 VI 和图 9 的发现如下任务结果延续到飞行。AeroLat 在所有五次任务中都检测到异常相比之下 JSON 基线在三次运行中仅一次检测到异常而 CoT 在两个评估任务中都失败。性能差异归因于通信和推理开销而非视觉感知差异尽管所有所述方法都使用相同感知栈。特别地CoT 在边缘平台上生成每条消息约需 3.1 秒将平均消息年龄增加到 22.6 秒而 AeroLat 为 51 毫秒。坍缩在实时中被复现。因此白化后的 AeroLat 表示对视觉环境变化敏感得多。VII-G 具身扩展和边缘计算上限表 VII具身扩展活动。该活动按设计是增量式的每个规模必须成功才能尝试下一个因此失败边界本身就是一种测量。N任务SR编码 ms白化 C(t)erank消息年龄351.001170.678±0.0941.951 ms531.001190.649±0.0703.878 ms1021.001480.632±0.0687.62.9 s150/2看门狗 900 s / 启动失败11/15 升空132 帧仿真扫描确立了网络可以支持的通信负载。一个单独的飞行活动用于测量完整具身栈的可扩展性。我们增量地尝试 N ∈ {5, 10, 15, 20}每个规模两个种子任务启用帧和每节拍潜在转储一旦某个规模失败两次则自动中止在同一台同时运行仿真器和所有 N 个自动驾驶仪以及共享感知-LLM 流水线的单边缘主机上。有四个观察在飞行完成的地方任务指标是平坦的。每个规模下每个完成的任务都确认了异常SR1.00并且整个活动到 N10 期间网状交付始终保持 1.00没有一个潜在数据包被丢弃。规模扩大时没有坍缩。循环白化状态的有效秩随蜂群规模几乎线性增长从 1.9 到 3.8 和 7.6约对应 0.75N。这表明增加无人机为蜂群共享思维空间增加了维度而不是单一思维的冗余副本并且同场景共识保持在判别带内0.63–0.68而非漂移到 0.999 伪影。增长的成本是计算不是带宽。中位编码延迟从 117 上升到 148 毫秒并且决定性地平均接收消息年龄从 N5 时的 78 毫秒跳到 N10 时的 2.9 秒而交付保持完美。延迟是共享 GPU 上的推理排队不是网络。随时、陈旧度感知融合吸收了这一点SR 不受影响但趋势识别出边缘硅上的真正扩展瓶颈。这与仿真结果形成镜像后者中网状网在 N20 时仍保持如图 8 所示。具身表明处理器首先饱和。VII-H 与现有方法的比较相对于 Interlat我们共享提取协议和损失分类法但将函数调用信道替换为仿真有损、有噪、带限网络在飞行中由实时 TCP 网状网穿过并且我们面对具身蜂群所遭遇的坍缩状态。相对于 LatentMAS我们共享免训练精神但 KV 缓存工作内存预设无损同地传输而 AeroLat 的固定 7,168 维状态是为带量化失真的预算链路而工程化的。相对于坍缩文献 [6]我们贡献了机制、一种闭式去中心化缓解方法以及坍缩分为表示通道和动态通道的观察。相对于 DeepSC 类语义通信 [7, 8, 9]我们使用其评估工具包但传输冻结 LLM 原生状态实现无需训练编解码器的优雅退化。VIII 结论AeroLat 将潜在智能体间通信从软件基准机制推进为面向无人机蜂群的网络现实、统计验证的语义通信系统。它识别并缓解表示坍缩显式建模传输潜在状态所经历的通信损伤并量化跨信道保留的任务相关信息。作为未来工作的一部分我们将研究硬件在环无线电实验以在实测衰落、干扰和争用下验证 AeroLat。我们还计划通过不同冻结模型之间的潜在对齐将框架扩展到异构无人机机队。 AeroLat：面向去中心化无人机蜂群的通道感知潜在空间语义通信
大家读完觉得有帮助记得关注和点赞摘要在带宽受限、时变无线链路上运行的去中心化自主无人机UAV蜂群中潜在空间通信为符号消息提供了一种有趣的替代方案。然而当同构的冻结模型被以离散化感知输入提示时其广播状态会向共享提示模板坍缩。鉴于此我们提出 AeroLat一种使用证据注入的通道感知潜在语义通信框架。由此产生的潜在状态随后通过一个显式通信模型该模型涵盖带宽受限的序列化、加性噪声和信息陈旧度从而便于联合评估通信保真度和蜂群级协调。在多种子模拟中AeroLat 可证明地对编解码器选择、故障和蜂群规模增长保持韧性。它持续复现潜在蜂群异常而无白化对照组则恢复坍缩。特别地AeroLat 能够将虚假相似性降低 97.5%。索引词 语义通信、潜在空间通信、多智能体系统、LLM、去中心化无人机蜂群、表示坍缩。I 引言用于任务导向应用如灾后监视和固体废物处置违规的无人机蜂群搭载零样本感知和轻量级机载大语言模型LLM推理器。开放的协调问题是此类智能体应如何共享其信念、想法或感知。对此的主要答案基于自然语言或结构化符号消息。然而这施加了先前工作所称的符号瓶颈——发送端的自回归解码延迟、将丰富的内部信念分布量化为单一离散报告以及接收端的重编码歧义。与此一致该研究方向的最新进展将智能体间通信移入模型的连续潜在空间。对于无人机蜂群潜在通信的吸引力不仅限于避免语言生成的开销。当语言模型读取文本时它会构建一个向量即一长串数字表示其内部状态在它选择一个词之前当前心中所想。写一个句子会丢弃其中大部分内容因为模型对可能含义持有整个分布但必须发出一个特定的词串。潜在空间通信通过在共享兼容表示空间的智能体之间直接交换内部模型状态跳过了这一中间符号表示。I-A 动机让我们考虑一个任务一支小型机队调查一条非结构化河流流域或城市边缘的废物堆积和碎片。没有智能体看到整个场景每个智能体持有部分的、真正模糊的视图。机队必须在飞行中、通过共享无线介质、在同时运行感知的伴飞计算机上就是否存在异常达成一致。该设置的三个属性驱动了后续每一个设计决策。第一符号瓶颈带来了具体的系统级挑战因为它在通信和决策中都有可测量的开销。如果智能体必须在传输前将信念序列化为语言那么三种损失会叠加。在测量中每条消息在数据中心 GPU 上需要 0.88 秒在边缘级 GPU 上需要 3.1 秒远高于单次前向传递。另一方面潜在通道引入了大量通信开销而这一开销在很大程度上仍未得到考虑。I-B 贡献我们提出 AeroLat一种用于去中心化无人机蜂群的潜在语义通信栈。所提出的系统将广播隐藏状态视为需要工程化的信号而非需要传递的张量。每个智能体首先将其完整的零样本视觉后验表达给一个冻结的机载 LLM其次将最后一层隐藏状态作为其消息最后用一个线性算子移除共享提示模板子空间该算子由每个智能体独立且相同地导出无需训练、无需协调每条消息一次投影。白化后的状态随后穿过一个显式建模的空中链路该链路具有擦除、抖动、带宽受限序列化、噪声和量化并且其所携带的任务信息是被测量而非断言的。因此共识跟踪场景而非提示无论是在仿真中还是在完整栈的二十五次冷启动飞行中都是如此。简言之所提出工作的贡献如下• 我们提出证据注入和模板白化这是一种共享线性算子既不需要训练也不需要智能体间协调却能将判别相似性恢复到 0.025——这是对去中心化无人机蜂群通信最新技术水平的独特贡献。• 我们在相同感知栈上实现所提出模型并将其与现有蜂群调度方法进行基准比较使用 Welch 和 Mann–Whitney 检验并进行 Holm 校正跨二十个种子运行。• 我们在边缘级 GPU 上的 PX4/AirSim 活动中验证完整栈涵盖编解码器比较、故障注入、受损信道和机队扩展以展示所提出工作的有效性。表 I本问题所需两个能力簇的相关工作。✓ 已解决✗ 未解决p 部分解决。上部块表示潜在空间多智能体通信中部块表示语义通信下部块表示无人机网络与移动计算。工作领域LLM 潜在载荷抗坍缩测量信息界限信道模型移动性/节点速度物理平台种子统计Interlat [1]潜在 MAS✓✗✗✗✗✗pLatentMAS [2]潜在 MAS✓✗p✗✗✗✓CIPHER [3]潜在 MAS✓✗✗✗✗✗pThoughtComm [4]潜在 MAS✓pp✗✗✗✓KVComm [5]潜在 MAS✓✗✗✗✗✗✓Collapse study [6]LLM 委员会✓p✗✗✗✗✓DeepSC [7]语义通信✗✗p✓✗✗✓Semantics for 6G [8]语义通信✗✗p✓✗✗pKG semantic comm. [9]语义通信✗✗✗✓✗✗✓Drone squads [10]无人机机队✗✗✗p✓✓✓CLEVER [11]HetNet 视频✗✗✗✓✓✗✓Cooperative DNN inf. [12]边缘推理✗✗✗p✗p✓AeroLat所提出工作无人机潜在通信✓✓✓✓✓✓✓II 相关工作研究人员一直在为去中心化无人机蜂群开发新的语义通信栈方法。表 I 总结了现有格局。在本节中我们简要介绍一些现有文献分类为1潜在智能体间通信2语义通信与无人机网络。II-A 潜在智能体间通信Interlat [1] 建立了通过最后隐藏状态进行端到端通信并学习压缩为短潜在前缀。LatentMAS [2] 展示了通过最后一层嵌入和共享 KV 工作内存进行的免训练潜在协作报告相比基于文本的多智能体系统准确率提升高达 14.6%推理速度提高 4–4.3×。CIPHER [3] 用期望嵌入绕过 token 采样。ThoughtComm [4] 通过稀疏正则化自编码器建立可识别性保证而 KVComm [5] 通过传输校准后的 KV 缓存实现潜在通信。没有共享潜在几何的密集模型间消息传递在 [13] 中探索。跨模型潜在对齐由相对表示 [14] 和语义对齐翻译 [15] 实现单模型内的连续潜在推理可追溯到 COCONUT [16] 和 CODI [17]并已在 [18] 中扩展到视觉语言模型。具有冗余、近乎相同状态的同构 LLM 委员会在 [6] 中被形式化为一种病理并给出了来自有效秩族的多样性度量。II-B 语义通信与无人机网络DeepSC 及其后续工作 [7] 通过学习到的联合信源信道编码传输任务相关语义[8] 将语义视为 6G 机遇[9] 将语义编码与知识图谱耦合。合作空中机队已被研究用于无人机小队在能量和行程约束下对目标进行任务类及时检查并在真实实验和仿真中验证 [10]该路线优化无人机飞行位置而我们解决它们升空后彼此说什么因此两者是同一系统的互补层。由应用层状态驱动的跨层分配 [11] 正是我们的熵门控编解码器策略将为语义流量实例化的设计模式。工作 [19] 解决通信信道中的负载管理。工作 [20] 的作者通过语义感知流分割方案探索了索引调制下的通信语义。在工作 [21] 中作者探索了一种混合架构用于仅由激光或仅由电池供电的无人机以提高覆盖范围和耐久性。最后通过异构边缘节点上的设备放置和模型划分进行合作 DNN 推理 [12] 解决了我们的具身扩展活动独立识别的瓶颈。工作 [22] 提出了一种新的信道模型同时考虑移动性和阴影效应。综合 在详细分析现有方法后在以下交叉点上存在未解决的空白在受限移动信道上通信信息丰富、非坍缩的 LLM 潜在状态同时在运行期间在具身去中心化蜂群中维持任务相关语义。当前潜在多智能体系统方法表明隐藏状态、期望嵌入或 KV 表示可以替代显式文本并减少推理开销但大多假设无损、同地软件信道并且不考察移动性、带宽、丢包或信息陈旧度。无人机网络研究对移动性、争用、能量和边缘计算约束建模但将载荷语义视为不透明。III 系统模型表 II符号列表符号描述_i智能体无人机iT_inf感知/推理间隔3 秒I_i(t), v_i(t)_i 的帧和 CLIP 图像嵌入p_i(t), H_i(t)在 C13 个类别上的 CLIP 后验其熵x_i(t)证据口头化提示h_i(t)来自最后 k8 个隐藏状态的原始潜在位于 ℝ^7168μ白化均值Ptop-m 模板子空间ψ_i(t)白化广播状态ψ̂_j接收到的对等状态信道后λ融合系数a_jm注意力权重A_m消息年龄T_a陈旧度折扣常数Q_b(·)b 比特/维的量化器n_B载荷字节数p_ℓ擦除概率γ每符号 SNRR_tot共享介质预算R_link每链路速率Λ(N)聚合提供的网状负载D_sem语义失真 1−cos(ψ, ψ̂)C(t)白化共识v节点速度f_d多普勒频移T_c相干时间τ延迟ρ信息密度图 1单个智能体 _i 的 AeroLat 系统架构。(A) 零样本 CLIP 感知发出完整后验、图像嵌入、视觉熵和姿态而非 arg max 标签(B) 该证据被口头化到冻结 LLM 的提示中(C) 模板白化移除共享共模子空间。中心部分描绘异步 TCP 潜在网状网每个数据包一个连接带序列号和发送时间戳以便接收方测量消息年龄。(D) 陈旧度感知注意力融合(E) 符号飞行栈。III-A 平台和时序每个无人机 i ∈ {1, …, N}其中 N 是蜂群规模运行 PX4 [23] 飞行控制器通过 MAVLink/UDP 消费 10 Hz 位置设定点一个感知–推理栈CLIP ViT-B/32 [24] 用于零样本锚定Qwen2.5-0.5B [25] 用于在滚动推理间隔 T_inf 3 秒上生成潜在以及一个用于语义侧信道的 TCP 网状套接字。两个循环不共享锁推理截止期未命中只会降低消息新鲜度绝不会影响飞行稳定性。这种解耦是所提出工作的架构不变量如图 1 所示。III-B 消息生成在每个推理节拍无人机 i 捕获帧 I_i(t)计算在 C13 个场景/异常类别上的 CLIP 后验 p_i(t) ∈ Δ^{C−1} 和图像嵌入 v_i(t) ∈ ℝ^512构建证据口头化提示 x_i(t)并提取最后 k8 个 token 的最后一层隐藏状态广播状态是白化残差 ψ_i(t)。在线上测得的载荷大小包括 16 字节头为每个状态 28,688 Bfp32、14,352 Bfp16、7,184 Bint8和 3,600 Bint4。III-C 信道模型每个有向链路 (i → j) 按顺序应用信源编码以 b ∈ {32, 16, 8, 4} 比特/维进行量化 Q_b(·)整数模式使用对称逐向量缩放可选 top-s 幅度稀疏化每个保留系数收取显式 32 位索引成本。噪声对于模拟传输在每符号 SNR γ 下加性白高斯噪声AWGN即其中 s² [ψ²] / 10^{γ/10}陈旧度接收方丢弃比信息年龄阈值 A_max 更旧的状态并将幸存者按 e^{−A/T_a} 折扣。完整网状网的提供负载为 Λ(N) N(N−1) 8 n_B / T_inf对于 fp32 载荷在 N3、5、10、20 时分别计算为 0.5、1.5、6.9 和 29.1 Mb/s。这里明确说明二次增长因为它同时推动了量化和学习压缩。III-D 复杂度和开销对于每个智能体和每个推理节拍计算成本包括一次 CLIP 前向传递和一次 LLM 前向传递。白化投影的复杂度为 O(mD)其中 m4D7168。所产生的成本相对于 transformer 前向传递可忽略不计测得 1 ms。除此之外量化需要 O(D) 次操作融合产生 O(ND) 复杂度因为注意力至多在 N−1 个对等状态上进行。因此除两个固定前向传递外每智能体计算为 O(ND)并且由于不保留历史它与任务长度无关。通信成本是每智能体每节拍广播一次 n_B 字节给出上述聚合提供负载 Λ(N) N(N−1) 8 n_B / T_inf。III-E 指标使用以下指标评估通信质量、任务性能和蜂群状态多样性。对于 M 次评估传输或任务回合语义中继成功率为其中 _m 表示在第 m 回合满足任务特定成功标准。协调延迟计算为τ t_enc t_ch t_int, (5)其中三项分别表示编码、信道和接收端解释时间。我们通过评估信息密度来考察传输比特在保留任务相关信息方面的功效其中 Î(ψ̂, Y) 是接收到的语义状态与任务变量 Y 之间的估计互信息b 是传输比特数。我们还测量接收方解码假设的广度。令 q_(1) ≥ q_(2) ≥ ⋯ ≥ q_(K) 表示按降序排列的解码类别概率。我们可以将其定义为因此较小的 P_50 表示更集中的解码信念而较大的 P_50 表示更大的假设广度。共识 C(t) 是白化状态的 N×N 格拉姆矩阵 S_ij cos(ψ_i(t), ψ_j(t)) 的平均非对角项。最后我们使用有效秩监测潜在状态坍缩。令 Ψ(t) [ψ_1(t), …, ψ_N(t)]^⊤ ∈ ℝ^{N×D} 为堆叠的蜂群潜在集Ψ̄(t) 为其列中心化形式s_1 ≥ ⋯ ≥ s_R 0 为 Ψ̄(t) 的非零奇异值。令 π_r s_r / ∑_q s_q使得 π_r ≥ 0 且 ∑_r π_r 1有效秩为该过程消耗一个自由度给出 erank ∈ [1, N−1]。当蜂群状态坍缩到共同方向时该度量接近 1当它们张成权重相当、独立的方向时接近 N−1。IV 坍缩病理与 AeroLat 修复IV-A 模板白化令 {h_b(t)}_{b1}^{B} 为跨多样场景的原始潜在校准缓冲区。以均值 μ 和中心化缓冲区的前 m 个右奇异向量 P ∈ ℝ^{m×D}每个智能体广播 P 张成模板子空间残差携带场景特定变化。由于所有智能体运行相同的冻结权重和确定性校准协议(μ, P) 在整个机队中无需协调即一致。所有相似性、共识、融合和信道失真计算都在 ψ 上操作。当 m4 时该算子每条消息花费一次 D×m 投影。IV-B 损伤下的融合以及第二种坍缩机制接收方 j 通过缩放点积注意力将其自身 ψ_j 与对等状态融合包括自身并按消息年龄 A_m 折扣融合系数 λ 控制对等信息贡献并根据经验选择。这里的一个结构要求是融合必须使用新鲜感知潜在作为 ψ_j而不是先前的融合状态。对融合状态迭代 (9) 是一个 DeGroot 平均过程对于任何 λ0无论场景多样性如何都会收敛到一个共同向量。这导致一种动态坍缩它不同于提示诱导的表示坍缩。为避免跨轮重复平均AeroLat 每 T_inf 重新初始化本地感知。V 语义率失真和信息核算在评估信道性能之前我们首先刻画传输损伤对潜在状态所携带几何结构和任务相关信息的影响。因此以下部分针对所考虑的信道工作点使用互补的失真和信息度量分析 AeroLat。V-A 经验率失真图 2真实潜在语料上的语义率失真十个种子。从 fp32229.5 kb/状态到 int857.5 kb的密集量化在语义上无损D_sem ≤ 2×10^{−4}int428.8 kb在几何上付出 D_sem 0.067而接收方探针准确率仍为 0.905在该编解码器族内速率可以削减 8×任务失真才开始。图 3AWGN 鲁棒性。从 30 dB 降到 0 dB SNR几何失真增长D_sem → 0.293而接收方探针准确率保持平坦→ 0.889白化潜在码优雅退化没有数字悬崖。在语料上扫描量化和稀疏性得到图 2。Top-s 稀疏化被如实报告为在这些维度上一旦包括 32 位索引开销就不具竞争力。一般来说在低于约 4× 压缩时稀疏 int8 向量比密集向量消耗更多线上字节。AWGN 鲁棒性见图 3。降至 0 dB 的平坦准确率是数字符号数据包无法表现出的优雅退化曲线后者在残余比特错误下是灾难性的。V-B 测量的信息密度我们使用 I(ψ̂, Y) 的两个下界来量化接收潜在状态 ψ̂ 中保留的任务相关信息其中 Y 是场景/异常类别来自探针误差 e 的 Fano 界以及每个工作点训练的神经评论家 InfoNCE 界 I ≥ log N_b − ℒ_NCE。表 III 同时报告两者以及 ρ Î/b。量化在任务信息方面几乎免费表 III因此线上密度提高 8×而没有测得语义成本。表 III每个状态的测得信息以及信息密度 ρ神经 InfoNCE 和 Fano 界任务上限 H(Y)2.52 比特0 dB 处的边际超出反映有限批次估计器方差。工作点比特/状态Î_NCEFanoρ (b/kb)fp32无噪声229,504≥2.521.910.011fp16114,816≥2.521.910.022int857,472≥2.521.900.044int428,800≥2.521.880.088fp32 10 dB229,504≥2.521.830.011int8 10 dB57,472≥2.521.830.044fp32 0 dB229,504≥2.531.780.011图 4每个信道工作点的任务相关信息InfoNCE 和 Fano 下界柱和密度 ρ线。该状态基本上携带全部任务熵并且在 int4 量化和 0 dB AWGN 同时存在下仍保留它。VI 学习压缩四损失协议以下四损失目标遵循 Interlat [1] 引入的分类法我们这里的贡献是经验性的——先前工作陈述了这些损失但没有训练或剖析它们而随后的留一损失消融为每一项分配了测量角色。压缩器 M_c 将完整潜在轨迹 H_L 映射到 H_K ∈ ℝ^{8×896}并以冻结 LLM 作为测量设备进行训练其中 ℒ_task 是冻结接收方在以 H_K 为软前缀条件下产生正确结构化调查报告的交叉熵。ℒ_sep −JS(p_θ(·|C,H), p_θ(·|C,H̃))其中 H̃ 是批次不匹配的“必须倾听”压力。ℒ_pref 是完整轨迹和压缩条件之间置信度加权的师生 KL。最后ℒ_geom 1 − cos(z̄(A), z̄(D)) 对齐步骤平均的 actor 特征。如图和表 IV 所示训练在不到 38 个 epoch 内收敛匹配和不匹配前缀之间的 Jensen–Shannon 分离增加约 0.1 nat这证实了对传输潜在的依赖。消融表明L_pref 防止捷径学习L_geom 保留潜在方向L_sep 强制前缀依赖而对任务损失影响很小。可选压缩器将 int8 载荷从 57.5 kb 减少到 14.3 kb。如图消融表明L_pref 防止捷径学习L_geom 保留潜在方向L_sep 强制前缀依赖而对任务损失影响很小。可选压缩器将 int8 载荷从 57.5 kb 减少到 14.3 kb。视觉前缀投影器进一步将验证探针准确率提高到 0.973。表 IV压缩器训练和留一损失消融初始 → 最终损失值完整运行30 个 epoch消融15为公平起见完整运行在 epoch 14 读取 ℒ_task0.405。运行ℒ_taskℒ_sepℒ_prefℒ_geomfull→0.39−→−.11→1.52→.07no-sep→0.39(off)→1.55→.08no-pref→0.008→−.13(off)→.13no-geom→0.41→−.10→1.87(off)VII 实验评估本节在受控和全栈设置中评估 AeroLat 的表示质量、信道鲁棒性、基线性能和蜂群可扩展性。对于仿真阶段我们使用了高保真软件在环SITL架构该架构与详细的 AirSimUnreal Engine邻域环境 [26] 接口提供连续、非结构化的 3D 测试场。VII-A 协议我们从 UC Merced 土地利用数据集 [27] 中的六个场景类别的 1,000 张航空图像构建评估语料该数据集是用于土地利用分类的高分辨率航空图像基准。拟合的白化器作为部署产物导出。我们在 10–20 个随机种子上进行语义层实验探针评估、信道扫描、消融和扩展研究并报告均值 ± 标准差以及 95% bootstrap 置信区间。基线比较使用 Welch t 检验、带 Holm 校正的 Mann–Whitney U 检验和 Cohens d。全栈验证在 NVIDIA T10004 GB上使用 SITL 任务进行语义层实验和训练在 RTX 6000 Ada 上进行Airsim 也在其上运行。VII-B 坍缩和表示诊断表 V坍缩复现并修复每个条件 n400随机概率 0.167。第 4 行是早期草稿的旗舰“1.00 相似性”的解释。指标Argmax 提示先前系统证据提示AeroLat探针准确率原始 h0.593 ± 0.0710.923 ± 0.020探针准确率白化 ψ0.500 ± 0.0650.878 ± 0.037Fano MI原始比特0.611.96非对角余弦原始0.99780.9989非对角余弦白化0.1840.025有效秩原始 → 白化7.9 → 4.1164 → 233坍缩及其缓解总结在表 V 中。在 argmax 提示下跨场景原始潜在之间的平均余弦相似度为 0.9978。模板白化将混合场景上的判别相似性恢复到 0.025同时增加潜在多样性erank233表明语义内容和表示几何构成不同的失效模式。我们还在一个六类航空语料上测试表示其中 H(Y)2.52 比特、1,000 个样本并使用三种诊断• D1探针可恢复性。五折线性探针在原始状态上产生 0.915 ± 0.032 准确率在白化后产生 0.916 ± 0.030 准确率而随机准确率为 0.167即从广播向量预测场景类别。• D2表示敏感性。模板固定且仅视觉变化时场景间与场景内潜在距离之比为 1.34。• D3冲突融合/叠加。在 λ0.4 下融合来自两个冲突场景的白化潜在融合状态的探针 top-2 在 400 次试验中的 92.75% 包含两个源假设坍缩到单一假设7.25%。VII-C 基线比较图 5跨二十个种子的基线比较。从左到右中继成功率、协调延迟 τ、信息密度 ρ 和假设广度 P_50。表和图 5 报告了在语义中继协议下的正面对比其中发送方感知场景用被测编解码器编码消息消息穿过仿真信道接收方必须仅从消息识别发送方的场景。JSON 基线在延迟和载荷大小方面仍然更高效只需要 120 字节消息。潜在表示还导致更锐利的解码信念P_501.58相比符号基线≈2.25而 D3 确认在 92.75% 的试验中保留了冲突假设。总结来说AeroLat 相比最佳符号基线将 SR 提高了 0.24代价是显著更大的传输载荷。VII-D 消融• λ 扫描和两种融合机制。在证据刷新动态下图λ 呈现清晰的权衡同场景共识随着 λ→1.0 上升到 1.00而融合状态探针准确率在 λ0.3 之前保持 1.000在 λ0.4 时为 0.978之后退化0.5 时 0.9331.0 时 0.489。在纯 gossip 动态下对已融合状态迭代融合蜂群对任何 λ≥0.1 都收敛到跨场景共识 1.0融合准确率坍缩到 0.489。• 组件消融– 白化实验后发现探针准确率保持不变0.915→0.916而平均非对角余弦从 0.999 降到 0.188这是在全语料几何上而非内容上与表 V 一致。– CLIP 锚从提示中移除视觉证据后探针准确率降至 0.18 ≈ 随机而有视觉证据时为 0.78。结果识别出一种坍缩机制并证明场景特定视觉内容来源于视觉锚。提取 token 数量的影响见图与压缩器损失相关的消融总结在表 IV。图 6丢包下的共识i.i.d. 和 Gilbert–Elliott 突发N5 融合网状网十个种子。最终同场景共识在高达 50% 的每个丢包率下均为 1.00丢包只消耗收敛时间1.9→2.3 轮。图 7带宽上限下的信息年龄50 ms 链路延迟p95 消息年龄与每种编解码器的链路速率。在 500 kb/s 时量化将潜在消息从 552 msfp32降至 208 msint8和 151 msint4而 JSON 的下限为 100 ms在 ≥5 Mb/s 时所有编解码器收敛。图 8网状扩展十个种子达到 C≥0.9 的轮数呈亚线性增长N3→20 时为 1.4→2.3并且在共享 20 Mb/s 介质、int8 载荷和 10% 丢包下网状网在每个 N 下都保持 0.90 交付且收敛不变。VII-E 移动性节点运动下的延迟和交付如第 III-C 节所描绘信道是静态的但空中节点不是。此后我们用标准块衰落处理扩展链路模型并离线扫描。发现的结果表明int4 量化实际上任务无损。移动性结果表明同样的压缩对于时变信道中可靠的潜在通信也至关重要。在 0.9 交付下限下机队在 fp32 下支持 N4在 int4 下支持 N10——8× 的速率降低在任务信息上没有代价却换来了 2.5× 更大的蜂群。该结果从与网络设计相关的可扩展性和可靠性约束角度直接提供了提供负载趋势的操作解释。VII-F 全栈 SITL 活动表 VI十八任务 SITL 活动。一个任务挂起由每任务看门狗回收17/18 正常完成。粗体标记文本中讨论的值潜在编解码器的成功率和两个故障特征CoT 的网状网洪泛无白化对照的坍缩共识。配置任务SR编码 ms中位/p95白化 C(t)交付网状延迟符号 CoT20.003,137/3,4640.638±0.0831.0022.6 sJSON 调度30.33±0.4771/790.886±0.0411.0039 ms潜在死亡无人机 {1,2,3}30.67 (2/3)114–1200.83±0.061.0013–60 ms潜在20% 丢包 int8 50/25 ms 抖动20.50117/1280.656±0.1000.80136 ms潜在无白化对照20.00146/1590.999±0.0001.00134 ms潜在51.00117/1270.678±0.0941.0051 ms图 9无人机实际看到的帧。异质性是关键在任何瞬间蜂群持有真正不同、各自模糊的视图——_1 将生成的簇读作碎片概率仅 p0.25H2.28 nats——而正是这种残余不确定性由白化潜在信道传输并被基于 argmax 的 JSON 编解码器破坏。表 VI 报告了具身活动图 9 显示了捕获任务中代表性的机载感知。表 VI 和图 9 的发现如下任务结果延续到飞行。AeroLat 在所有五次任务中都检测到异常相比之下 JSON 基线在三次运行中仅一次检测到异常而 CoT 在两个评估任务中都失败。性能差异归因于通信和推理开销而非视觉感知差异尽管所有所述方法都使用相同感知栈。特别地CoT 在边缘平台上生成每条消息约需 3.1 秒将平均消息年龄增加到 22.6 秒而 AeroLat 为 51 毫秒。坍缩在实时中被复现。因此白化后的 AeroLat 表示对视觉环境变化敏感得多。VII-G 具身扩展和边缘计算上限表 VII具身扩展活动。该活动按设计是增量式的每个规模必须成功才能尝试下一个因此失败边界本身就是一种测量。N任务SR编码 ms白化 C(t)erank消息年龄351.001170.678±0.0941.951 ms531.001190.649±0.0703.878 ms1021.001480.632±0.0687.62.9 s150/2看门狗 900 s / 启动失败11/15 升空132 帧仿真扫描确立了网络可以支持的通信负载。一个单独的飞行活动用于测量完整具身栈的可扩展性。我们增量地尝试 N ∈ {5, 10, 15, 20}每个规模两个种子任务启用帧和每节拍潜在转储一旦某个规模失败两次则自动中止在同一台同时运行仿真器和所有 N 个自动驾驶仪以及共享感知-LLM 流水线的单边缘主机上。有四个观察在飞行完成的地方任务指标是平坦的。每个规模下每个完成的任务都确认了异常SR1.00并且整个活动到 N10 期间网状交付始终保持 1.00没有一个潜在数据包被丢弃。规模扩大时没有坍缩。循环白化状态的有效秩随蜂群规模几乎线性增长从 1.9 到 3.8 和 7.6约对应 0.75N。这表明增加无人机为蜂群共享思维空间增加了维度而不是单一思维的冗余副本并且同场景共识保持在判别带内0.63–0.68而非漂移到 0.999 伪影。增长的成本是计算不是带宽。中位编码延迟从 117 上升到 148 毫秒并且决定性地平均接收消息年龄从 N5 时的 78 毫秒跳到 N10 时的 2.9 秒而交付保持完美。延迟是共享 GPU 上的推理排队不是网络。随时、陈旧度感知融合吸收了这一点SR 不受影响但趋势识别出边缘硅上的真正扩展瓶颈。这与仿真结果形成镜像后者中网状网在 N20 时仍保持如图 8 所示。具身表明处理器首先饱和。VII-H 与现有方法的比较相对于 Interlat我们共享提取协议和损失分类法但将函数调用信道替换为仿真有损、有噪、带限网络在飞行中由实时 TCP 网状网穿过并且我们面对具身蜂群所遭遇的坍缩状态。相对于 LatentMAS我们共享免训练精神但 KV 缓存工作内存预设无损同地传输而 AeroLat 的固定 7,168 维状态是为带量化失真的预算链路而工程化的。相对于坍缩文献 [6]我们贡献了机制、一种闭式去中心化缓解方法以及坍缩分为表示通道和动态通道的观察。相对于 DeepSC 类语义通信 [7, 8, 9]我们使用其评估工具包但传输冻结 LLM 原生状态实现无需训练编解码器的优雅退化。VIII 结论AeroLat 将潜在智能体间通信从软件基准机制推进为面向无人机蜂群的网络现实、统计验证的语义通信系统。它识别并缓解表示坍缩显式建模传输潜在状态所经历的通信损伤并量化跨信道保留的任务相关信息。作为未来工作的一部分我们将研究硬件在环无线电实验以在实测衰落、干扰和争用下验证 AeroLat。我们还计划通过不同冻结模型之间的潜在对齐将框架扩展到异构无人机机队。