Sentinel：体现合作空间推理和规划

在这项工作中，我们研究了合作空间智能，即分散的实体在跨城市规模的室外领域的动态环境约束下有效协调的能力。我们引入了哨兵挑战（Sentinel Challenge），这是一个基准，多个去中心化的实体必须以自然语言进行交流，以在大型城市规模的户外环境中就相互安全且方便的会面点达成一致。然后，每个代理必须使用提供粗略空间信息的工具安全导航，同时避免动态哨兵在该区域巡逻。为了解决这个问题，我们提出了 CoSaR（协作空间推理和规划），这是一个框架，它将基础模型的高级通信和规划能力与经典空间导航算法的精度联系起来。 CoSaR 使代理能够交换情境更新、对不断变化的空间约束进行推理以及协作地重新规划轨迹。 CoSaR 通过 3-5 名代理对 14 个城市级场景进行评估，始终能够实现更快的聚集、更短的路径长度和更高的安全性。我们的结果表明，将动态通信与空间推理相结合对于稳健的多智能体合作至关重要。通过形式化这一新设置并提供可扩展的基准，我们的目标是为在具体多智能体系统中推进协作空间智能奠定基础。代码和挑战可在 https://github.com/UMass-Embodied-AGI/Sentinel 获取。