Mosaic：运行时高效的多智能体体现规划

由于执行延迟过高，基于 LLM 的多智能体体现规划仍然不切实际。我们将失败的行动视为主要瓶颈，源于两个核心挑战：部分可观察性下不准确的状态跟踪以及产生冗余或冲突行动的低效协调。我们引入了 Mosaic，这是一种运行时高效的多智能体规划框架，可以解决这两个挑战。 Mosaic 通过以代理为中心的语义记忆来保持准确而轻量级的状态跟踪，该记忆将对象存储在相对坐标中，从而实现几何变换和协调。它通过整数线性规划确保高效协调，该规划在每个规划步骤分配操作，强制执行物理可行性和代理间协调约束。在 AI2-THOR 和搜索救援基准测试中，Mosaic 的执行速度提高了 27-32%，LLM 调用减少了 30-33%，步骤减少了 25-31%，成功率提高了 4-10%。这些结果表明，高效的内存和约束引导的协调对于可扩展、低延迟的多智能体规划至关重要。