一种基于大语言模型的智能无人集群自主任务规划方法

本发明提出了一种基于大语言模型的智能无人集群自主任务规划方案，该方案主要面向无人集群在动态环境中的任务规划问题，该方法采用大语言模型和全局记忆库指导的蒙特卡罗树搜索方法，有效约束搜索空间并提高任务规划效率，具体来说，本发明通过构建用于存储历史决策经验的全局记忆库，实现历史经验的复用以降低任务规划的探索成本，此外，引入早停策略和反思机制，对搜索过程中产生的误差对大语言模型的决策进行修正，避免大语言模型因陷入思维循环导致的决策失误问题，进一步提升了无人集群任务在复杂、多变场景下的搜索速度和决策鲁棒性，因此，本方案为无人集群协同作战、搜救监测等多任务场景提供了一种高效、可靠的技术方案。