• Ученые МГУ, Interdata и SB AI Lab предложили систему координации эвакуации при лесных пожарах.
• Система предназначена для использования в быстро меняющихся условиях, когда данные о реальных ситуациях ограничены.
• Предложен двухуровневый подход: участники эвакуации выбирают маршрут, а цифровой координатор на основе LLM Commander отслеживает пожар и загруженность дорог.
• Решения системы представлены в виде простых правил, которые можно проверить и проанализировать.
• Подход основан на когнитивном анализе задачи (Cognitive Task Analysis, CTA) и эпизодической памяти.
• Система проверена в искусственной городской среде с 150 участниками эвакуации.
• Цифровой координатор на основе LLM повысил долю эвакуированных до 74,2%, а с использованием эпизодической памяти - до 82,5%.
• Основное улучшение связано с уменьшением доли участников, не успевающих завершить эвакуацию за отведенное время.

«В задачах эвакуации важно не только найти эффективную стратегию, но и сделать ее понятной для человека, который отвечает за принятие решений. Мы показали, что большая языковая модель может работать как координатор верхнего уровня: анализировать развитие ситуации, учитывать похожие прошлые случаи и предлагать общие правила движения. Такой подход помогает лучше адаптироваться к новым сценариям и одновременно сохранять возможность проверки принятых решений», — отметил младший научный сотрудник Института ИИ МГУ и Центра ИИ МГУ Роман Сультимов.