AirTrafficGen: Configurable Air Traffic Scenario Generation with Large Language Models

文章主要内容总结

本文介绍了一种名为AirTrafficGen的端到端框架，旨在利用大型语言模型（LLMs）自动化生成空中交通管制（ATC）训练场景，以解决手动设计场景耗时、多样性有限的问题。

该框架的核心包括：

1. 基于图的空域表示：将三维空域（包含航线、导航点等）离散化为图结构，使LLMs能够处理空域拓扑信息；
2. 工程化提示框架：通过精细设计的提示词，实现对场景中交互存在性、类型、位置等特征的细粒度控制；
3. 基准测试：系统评估了主流LLMs（如Gemini 2.5 Pro、OpenAI o3等）在四个关键推理维度的表现：飞机空间密度、时间推理（场景时长）、扇区复杂度（航线交互性）、交互建模（场景复杂度）；
4. 迭代优化能力：验证了LLMs能基于文本反馈修正有缺陷的场景，提升场景合理性。

实验表明，先进LLMs（如Gemini 2.5 Pro和o3）能生成高流量且符合操作实际的场景，为ATC训练和空域验证提供了可扩展的替代方案，同时展示了LLMs在安全关键领域复杂规划中的潜力。

创新点

1. LLMs推理能力的基准测试：首次系统评估了LLMs在空管场景生成中关键的空间、时间及时空推理能力，明确了模型的优势与局限；
2. 基于图的知识表示：专门设计的图结构将复杂空域信息编码为