内容摘要
大模型生成的无人机程序即使语法正确，也可能偏离任务意图、碰撞障碍或遗漏事件触发后的行为。作者提出 AeroEval 中间件，以程序检查与执行后行为验证分阶段定位错误，而非仅凭代码可运行判断任务完成。
系统先结合确定性分析与上下文约束的模型智能体，检查语法、平台 API 和任务意图；通过后进入仿真，再依据轨迹、任务要求和环境信息验证行为。导航任务采用参考路径比较，无唯一参考路径的分析型任务则由智能体检查覆盖、避障和事件转换等要求。失败诊断返回生成器，供其重新生成程序。
作者报告，在 AirSim 的20项导航任务中，CLG 接入 AeroEval 后成功率由55%升至95%；在 Gazebo 的五类分析型任务、每类10次独立运行中，使用 o3-mini、最多15次迭代的流程，相较单次生成 AeroGen，运行级成功率由34%升至88%。另在最多三次重新生成的独立消融实验中，仅代码验证、仅轨迹验证和完整流程分别达到44%、56%和88%。这些指标反映预算内获得验证通过程序的情况，不等于形式化安全保证。
点评
作者实验支持程序检查与执行证据的互补价值：前者排查结构、接口和意图错误，后者识别与轨迹及环境交互有关的行为违规。
结果属于作者论文评估，并非独立复现。轨迹验证器在15个专家标注案例中有三次误接受；真机仅覆盖一款平台、三类任务各一次，不能据此推断通用仿真到现实迁移或安全性。
版本与核查范围
版本 2610.09764v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 h1[1]；#S1.p2.1；#S1.p4.1；#S3.SS2.p1.1；#S4.SS1.SSS1.p1.1；#S4.SS1.SSS1.p2.1；#S5.p2.1；#S4.SS2.SSS1.p2.1；#S4.SS1.SSS3.p1.1；#S4.SS2.SSS1.p5.1；#S3.SS1.p4.1；#S4.SS2.SSS3.p1.1