Enhancing Low-Altitude Airspace Security: MLLM-Enabled UAV Intent Recognition

📄 arXiv: 2509.06312v1 📥 PDF

作者: Guangyu Lei, Tianhao Liang, Yuqi Ping, Xinglin Chen, Longyu Zhou, Junwei Wu, Xiyuan Zhang, Huahao Ding, Xingjian Zhang, Weijie Yuan, Tingting Zhang, Qinyu Zhang

分类: eess.SY, cs.LG

发布日期: 2025-09-08

备注: The paper has been submitted to IEEE Internet of Things Magazine

💡 一句话要点

提出MLLM赋能的无人机意图识别架构，增强低空空域安全

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

关键词: 无人机意图识别 多模态融合 大型语言模型 低空空域安全 非合作无人机

📋 核心要点

  1. 现有方法在低空空域安全中，对非合作无人机的意图识别能力不足，难以有效应对潜在威胁。
  2. 论文提出一种基于多模态大型语言模型（MLLM）的无人机意图识别架构，融合视觉、运动等多模态信息。
  3. 通过低空对抗用例验证了该架构的可行性，为实际系统设计提供了有价值的参考。

📝 摘要（中文）

低空经济的快速发展对非合作无人机（UAV）的有效感知和意图识别提出了关键需求。多模态大型语言模型（MLLM）的先进生成推理能力为此类任务提供了一种有前景的方法。本文重点研究了无人机意图识别与MLLM的结合。具体而言，我们首先提出了一种MLLM赋能的无人机意图识别架构，该架构利用多模态感知系统获取无人机的实时载荷和运动信息，生成结构化输入信息，MLLM通过结合环境信息、先验知识和战术偏好来输出意图识别结果。随后，我们回顾了相关工作，并在提出的架构中展示了它们的进展。然后，进行了一个低空对抗的用例，以证明我们架构的可行性，并为实际系统设计提供有价值的见解。最后，讨论了未来的挑战，并为进一步的应用提出了相应的战略建议。

🔬 方法详解

问题定义：论文旨在解决低空空域中非合作无人机的意图识别问题。现有方法通常依赖于单一传感器信息或简单的规则，难以准确、鲁棒地识别复杂环境下的无人机意图。这些方法在面对新型无人机或对抗性行为时，泛化能力较差，无法满足日益增长的低空空域安全需求。

核心思路：论文的核心思路是利用多模态大型语言模型（MLLM）的强大推理和生成能力，将无人机的视觉信息（如载荷类型）、运动信息（如飞行轨迹）以及环境信息（如地理位置、天气状况）等多模态数据融合，并结合先验知识和战术偏好，进行综合分析和判断，从而实现更准确、更可靠的无人机意图识别。

技术框架：该架构主要包含以下几个模块：1) 多模态感知系统：负责获取无人机的实时载荷和运动信息，以及环境信息；2) 结构化信息生成模块：将多模态感知系统获取的信息进行处理，生成结构化的输入信息，例如将视觉信息转换为文本描述；3) MLLM意图识别模块：将结构化信息输入MLLM，MLLM结合环境信息、先验知识和战术偏好，输出意图识别结果。

关键创新：论文的关键创新在于将MLLM应用于无人机意图识别领域，利用MLLM的生成推理能力，实现了多模态信息的有效融合和综合分析。与传统方法相比，该方法能够更好地理解无人机的行为模式和潜在意图，提高了意图识别的准确性和鲁棒性。

关键设计：论文中未明确给出关键参数设置、损失函数、网络结构等技术细节。但可以推断，MLLM的选择和训练、多模态信息的融合方式、以及先验知识和战术偏好的编码方式是关键的设计要素。具体实现可能涉及针对特定MLLM的微调，以及设计合适的提示工程（Prompt Engineering）策略。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过低空对抗用例验证了所提出的MLLM赋能的无人机意图识别架构的可行性。虽然论文中没有给出具体的性能数据和对比基线，但该用例展示了该架构在实际场景中的应用潜力，为后续的系统设计和优化提供了有价值的参考。

🎯 应用场景

该研究成果可应用于低空空域安全监控、无人机交通管理、反无人机防御等领域。通过准确识别无人机意图，可以及时发现潜在威胁，采取有效措施，保障低空空域的安全和秩序。未来，该技术有望与无人机管控平台集成，实现智能化、自动化的空域管理。

📄 摘要（原文）

The rapid development of the low-altitude economy emphasizes the critical need for effective perception and intent recognition of non-cooperative unmanned aerial vehicles (UAVs). The advanced generative reasoning capabilities of multimodal large language models (MLLMs) present a promising approach in such tasks. In this paper, we focus on the combination of UAV intent recognition and the MLLMs. Specifically, we first present an MLLM-enabled UAV intent recognition architecture, where the multimodal perception system is utilized to obtain real-time payload and motion information of UAVs, generating structured input information, and MLLM outputs intent recognition results by incorporating environmental information, prior knowledge, and tactical preferences. Subsequently, we review the related work and demonstrate their progress within the proposed architecture. Then, a use case for low-altitude confrontation is conducted to demonstrate the feasibility of our architecture and offer valuable insights for practical system design. Finally, the future challenges are discussed, followed by corresponding strategic recommendations for further applications.