Agentic Satellite-Augmented Low-Altitude Economy and Terrestrial Networks: A Survey on Generative Approaches

📄 arXiv: 2507.14633v1 📥 PDF

作者: Xiaozheng Gao, Yichen Wang, Bosen Liu, Xiao Zhou, Ruichen Zhang, Jiacheng Wang, Dusit Niyato, Dong In Kim, Abbas Jamalipour, Chau Yuen, Jianping An, Kai Yang

分类: cs.NI, cs.LG

发布日期: 2025-07-19

💡 一句话要点

综述性论文：利用生成式AI赋能卫星增强的低空经济与地面网络中的智能体

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 低空经济 卫星网络 生成式AI 大型语言模型 智能体 通信增强 安全隐私 智能卫星

📋 核心要点

  1. SLAETNs面临异构、动态环境下的可靠运行挑战，现有方法难以满足智能自主系统的需求。
  2. 论文核心在于利用生成式AI和大型语言模型，赋能智能体在SLAETNs中进行感知、推理和行动。
  3. 综述分析了五类生成模型在SLAETNs中的应用，并探讨了其在通信、安全和智能卫星任务中的潜力。

📝 摘要（中文）

卫星增强的低空经济与地面网络(SLAETNs)的发展需要智能和自主的系统，这些系统能够在异构、动态和任务关键型环境中可靠地运行。为了应对这些挑战，本综述侧重于通过生成式人工智能(GAI)和大型语言模型(LLMs)来实现具有感知、推理和行动能力的智能体人工智能(AI)。首先，介绍了SLAETNs的架构和特点，并分析了卫星、空中和地面组件集成时出现的挑战。然后，通过系统地回顾五大类生成模型：变分自编码器(VAEs)、生成对抗网络(GANs)、生成扩散模型(GDMs)、基于Transformer的模型(TBMs)和LLMs，提出了一个模型驱动的基础。此外，我们提供了一个比较分析，以突出它们在SLAETNs中的生成机制、能力和部署权衡。在此基础上，我们研究了这些模型如何在三个领域赋能智能体功能：通信增强、安全和隐私保护以及智能卫星任务。最后，我们概述了在SLAETNs中构建可扩展、自适应和可信的生成智能体的关键未来方向。本综述旨在为推进下一代集成网络中的智能体AI提供统一的理解和可操作的参考。

🔬 方法详解

问题定义：SLAETNs需要能够可靠运行在复杂环境下的智能自主系统，现有方法难以满足其异构性、动态性和任务关键性需求。痛点在于如何有效地集成卫星、空中和地面组件，并确保通信、安全和任务执行的智能化。

核心思路：利用生成式AI（GAI）和大型语言模型（LLMs）来构建具有感知、推理和行动能力的智能体。通过生成模型学习复杂环境的特征，并利用LLMs进行决策和控制，从而实现SLAETNs的智能化。

技术框架：该综述构建了一个模型驱动的基础，主要包括以下几个阶段：首先，介绍SLAETNs的架构和特点，并分析其面临的挑战。然后，系统地回顾五大类生成模型：VAEs、GANs、GDMs、TBMs和LLMs。接着，对这些模型进行比较分析，突出它们在SLAETNs中的生成机制、能力和部署权衡。最后，研究这些模型如何在通信增强、安全和隐私保护以及智能卫星任务等领域赋能智能体功能。

关键创新：该综述的关键创新在于将生成式AI和大型语言模型应用于SLAETNs，并将其视为构建智能体的核心技术。与传统方法相比，这种方法能够更好地处理SLAETNs的复杂性和动态性，并实现更高级别的智能化。

关键设计：论文综述了五大类生成模型，并分析了它们在SLAETNs中的应用。对于每种模型，论文都讨论了其生成机制、能力和部署权衡。此外，论文还探讨了如何利用这些模型来解决SLAETNs中的具体问题，例如通信增强、安全和隐私保护以及智能卫星任务。具体的参数设置、损失函数、网络结构等技术细节取决于具体的生成模型和应用场景，论文中进行了详细的讨论。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

该综述全面分析了五大类生成模型在SLAETNs中的应用潜力，并指出了未来研究方向，为研究人员提供了宝贵的参考。通过比较不同生成模型的优缺点，为实际应用中选择合适的模型提供了指导。此外，该综述还强调了安全和隐私保护在SLAETNs中的重要性，并提出了相应的解决方案。

🎯 应用场景

该研究成果可应用于智慧城市、应急救援、环境监测、精准农业等领域。通过构建智能化的SLAETNs，可以提升通信效率、保障数据安全、优化资源配置，并最终促进低空经济的蓬勃发展，具有重要的实际价值和深远的未来影响。

📄 摘要（原文）

The development of satellite-augmented low-altitude economy and terrestrial networks (SLAETNs) demands intelligent and autonomous systems that can operate reliably across heterogeneous, dynamic, and mission-critical environments. To address these challenges, this survey focuses on enabling agentic artificial intelligence (AI), that is, artificial agents capable of perceiving, reasoning, and acting, through generative AI (GAI) and large language models (LLMs). We begin by introducing the architecture and characteristics of SLAETNs, and analyzing the challenges that arise in integrating satellite, aerial, and terrestrial components. Then, we present a model-driven foundation by systematically reviewing five major categories of generative models: variational autoencoders (VAEs), generative adversarial networks (GANs), generative diffusion models (GDMs), transformer-based models (TBMs), and LLMs. Moreover, we provide a comparative analysis to highlight their generative mechanisms, capabilities, and deployment trade-offs within SLAETNs. Building on this foundation, we examine how these models empower agentic functions across three domains: communication enhancement, security and privacy protection, and intelligent satellite tasks. Finally, we outline key future directions for building scalable, adaptive, and trustworthy generative agents in SLAETNs. This survey aims to provide a unified understanding and actionable reference for advancing agentic AI in next-generation integrated networks.