面向 AUV 故障恢复的仿真平台：探索基于 LLM 的诊断策略

研究者提出 SPAR 仿真平台，将实时 C 语言载具软件与上层编排层结合，用于 AUV 故障恢复的闭环测试。平台支持按故障实现、提示结构、推理模型和任务条件做批量评估。针对质量偏移故障完成 480 次试验，对比一个前沿模型与三个可本地部署的开源 LLM。

此前 LLM 用于故障诊断多以单次演示呈现，难以应对模型输出的随机性。该工作把评测单元从个案展示换成集成式批量试验，并首次在同一闭环中同时比较前沿模型与本地部署模型，给出了可重复的对比框架。

架构上将确定性分层控制用于常规运行，只在机载异常检测发现性能越界时调用 LLM 作为诊断与恢复规划器。由于语言模型具有随机性，评测需用集成测试而非单次演示。SPAR 把物理故障注入、结构化提示、模型交互、任务文件生成、校验、执行与 LLM 裁判评分串成闭环。

对研发而言，模型选择成为诊断质量的主导变量，且本地模型与前沿模型存在明显差距，部署前需按故障类型做集成评测而非单次验证。对产品设计而言，LLM 适合作为异常触发的可调用规划器，与既有确定性控制分层共存，可降低对不可靠通信链路的依赖。

• 在自有系统上复现类似闭环评测，用批量故障注入量化所选模型的诊断命中率，而非依赖单次演示。
• 为本地部署模型补全结构化诊断流程提示，缓解过早锁定错误假设的问题。
• 将 LLM 诊断层设计为异常触发的可插拔组件，保留原有确定性控制作为常规运行路径。

• 该平台在质量偏移以外的故障类型上是否同样有效，证据仅覆盖一种故障。
• 60-78% 与 85-90% 的命中率统计口径、置信区间和试验随机性未被完整披露。
• 诊断与运行决策的性能对比在摘要中被截断，完整结论尚不明确。
• 本地模型与前沿模型的差距是否会随推理模型迭代而变化，尚无证据支持。