AURORA：面向可靠空地联合仿真的自然语言驱动智能体框架

arXiv 收录的论文提出 AURORA，一个由自然语言驱动的 agentic 框架，把空地联合仿真场景生成视为带验证的编译过程。其核心是 Air-Ground Scenario Graph（AGSG），一种类型化中间表示，显式连接智能体、空中任务、事件、通信链路、成功条件及跨域依赖，从而在同一流程内完成仿真器接地解析、道路与空域联合接地、时序规划、执行前可行性检查、基于运行轨迹的运行时验证、故障定位与有界修复。论文同时提出 AURORA-Bench，用于评估场景是否忠实实现所请求的交互，而非仅看能否执行。

此前空地仿真场景多依赖人工构建，评测通常只看能否跑通，场景即使执行成功也可能不满足用户要求的时间、空间、通信或行为关系。AURORA 把评测重点从“可执行”转向“行为是否被真实实现”，并用运行时验证暴露完成度指标看不到的静默失败，使可靠场景生成有了可检查的判据。

机制上，AGSG 作为共享的类型化中间表示，把自然语言需求拆解为智能体、任务、事件、通信链路和成功条件之间的跨域依赖，再依次做接地解析、时序规划、执行前可行性检查和运行轨迹验证。验证失败时可定位到具体违规并做有界修复，无需重新生成整个场景，因此结构化执行提升可靠性，局部修复降低重复生成成本。

对做自动驾驶、无人机或空地协同仿真的团队，这类框架可把场景搭建从人工脚本转为自然语言驱动的可验证流水线，减少反复调试场景的时间。研发流程上，可行性检查和运行时验证可前移发现需求与实现不一致的问题，降低把错误场景当作有效结果带入后续训练或测试的风险。

• 将 AGSG 类中间表示用于内部仿真平台，把自然语言需求转成可检查的场景图，先做执行前可行性校验再生成代码。
• 在仿真测试流程中加入基于运行轨迹的验证与失败定位模块，用于识别场景虽跑通但未满足交互需求的情况。
• 基于 AURORA-Bench 的评测思路，为自研空地仿真工具设计“执行成功”与“交互忠实”双指标的内部验收标准。
• 围绕局部修复能力做工程化封装，在场景验证失败时只重生成受影响部分，控制大模型调用与仿真重跑成本。

• AGSG 的具体类型系统、节点与边定义，以及自然语言到图的解析准确率尚未在证据中给出。
• AURORA-Bench 的规模、指标定义、基线设置和覆盖的空地场景类型未说明。
• 实验涉及哪些语言模型、可靠性提升幅度以及运行时验证发现的静默失败比例未披露。
• 有界修复的成功率、修复边界如何确定，以及修复后是否会引入新的违规，证据中未说明。