LASMP étendu : planificateur de mouvement par échantillonnage de sous-ensembles assisté par le langage pour la navigation de drones

Des chercheurs proposent une extension du planificateur LASMP (Language-Aided Subset Sampling Motion Planner) aux quadricoptères évoluant en trois dimensions. Leur méthode intègre directement les commandes de navigation dans le processus d'exploration, via une distribution d'échantillonnage alignée sur la commande. Les instructions en langage naturel sont converties en contraintes géométriques sensibles à l'altitude et conditionnées par le lacet (yaw). Un grand modèle de langage, piloté par prompt, extrait les entités de la phrase et valide l'instruction. Les auteurs affirment obtenir des trajectoires sans collision et cohérentes, avec un effort d'échantillonnage nettement réduit par rapport aux planificateurs RRT à échantillonnage uniforme. Les résultats reposent sur des simulations dans des environnements complexes. Le résumé ne donne ni gain chiffré, ni temps de calcul, ni test sur un drone réel.

L'intérêt tient à la manière de combiner un LLM et un planificateur classique. Le modèle de langage ne génère pas la trajectoire. Il restreint seulement la zone où le planificateur tire ses échantillons. La complétude probabiliste de l'algorithme est donc conservée, ce qui est un argument de sûreté pour les intégrateurs. Les approches de bout en bout de type VLA (vision-langage-action) n'offrent pas cette garantie. Cette architecture hybride répond à un besoin concret: piloter un drone par des consignes de haut niveau, comme "contourne le bâtiment par la gauche et monte à 10 mètres". Cela concerne l'inspection d'infrastructures, la logistique d'entrepôt et les opérations en environnement peu structuré. Il faut toutefois rester prudent. Tant que les gains ne sont pas chiffrés et que les essais restent en simulation, l'écart entre démonstration et déploiement reste entier. La validation par LLM reste sensible aux ambiguïtés du langage et à la latence d'inférence, deux points que le résumé n'aborde pas.

Ce travail prolonge la version initiale de LASMP, conçue pour des robots au sol, en l'étendant à la 3D. Les planificateurs à échantillonnage de la famille RRT, qui servent ici de référence, sont connus pour leur coût en environnement dense. Beaucoup d'équipes cherchent à les guider par des heuristiques apprises ou des priors sémantiques. Le travail s'inscrit aussi dans la tendance qui consiste à utiliser les LLM comme interface de commande, en laissant la planification aux méthodes éprouvées. Il s'agit d'une prépublication arXiv (v1), non évaluée par des pairs. Les prochaines étapes logiques sont des essais en vol, des mesures de latence embarquée et des comparaisons avec d'autres planificateurs guidés. Aucun calendrier ni partenaire industriel n'est annoncé.