DynaHMRC：使用 大语言模型 进行动态任务的分散式异构多机器人协作

大语言模型（LLM）为机器人提供了更丰富的任务理解和适应性，使其有望在长视野任务中协调异构多机器人系统。尽管具有这种潜力，但仍有几个挑战尚未得到充分探索：(1) 随着团队规模和环境复杂性的增加，集中式 LLM 调度程序的扩展性很差。单一模型必须处理过多的上下文信息，长上下文近似可能会降低推理质量； (2) 现有的任务制定没有充分考虑动态环境，而对不断变化的任务条件的稳健适应对于现实世界的部署至关重要； (3) 特定领域的数据稀缺限制了专门的机器人推理，使得专有的通用模型对于专家任务效率低下。为了解决这些限制，我们提出了 DynaHMRC，这是一个去中心化框架，其中每个机器人都充当角色感知的 LLM 代理。这种设计缓解了单模型上下文瓶颈，并支持跨异构团队配置的灵活协作。 DynaHMRC 将协作组织为一个四阶段闭环流程：自我描述、通过领导投标进行任务分配、领导者选举和反思执行，并由可执行的机器人接口支持。我们进一步开发了一个涵盖三个任务族、四种动态变化和六种团队配置的基准，以系统地研究动态任务建模。此外，我们还进行实证分析，指导特定领域专家数据集的构建，并对预训练的 LLM 进行微调，以提高专业能力。实验表明，DynaHMRC 通过更少的行动和沟通步骤实现了比强基线更高的成功率，同时随着团队规模在评估设置内的增长，展示了有希望的可扩展性趋势。