CHORUS：采用一项 VLA 政策的去中心化多实施协作

多机器人协作使机器人能够有效地承担各种任务，从将沙发移过门口到在建筑工地上组装结构。然而，在移动多机器人环境中实现这种协调仍然具有挑战性：以团队规模的综合观察为条件的集中式方法与团队规模的关系很差，而为每个机器人训练一个策略的分散式方法通常需要在推理时进行明确的对齐程序或信息共享，以克服部分可观察性。我们的主要见解是，预训练的视觉语言动作（VLA）模型的视觉运动先验应该能够仅根据每个机器人的本地观察进行反应式、分散式协作，而无需这些推理时间假设。我们提出了 CHORUS，一个采用单个 VLA 主干来控制多样化的多机器人团队的框架。在推理时，每个机器人运行一个独立的 CHORUS 副本，仅以自己的观察结果和机器人识别提示为条件。在现实世界的实验中，包括移动卷尺测量、图书馆书籍交接和洗衣篮提升，CHORUS 比分散式、从头开始的模型提高了 64%，对队友行为的反应性提高了 40%，并且优于集中式基线。总之，这些结果表明共享 VLA 主干能够实现分散的多机器人协作，无需每个机器人策略或推理时的机器人间通信。