跳到主要内容
返回时间线
arXiv来源发表:

多机器人各自规划不再互相撞车:几何验证器把冲突位置和时间退回给对应LLM重规划

核心概要

多机器人任务规划不再只靠符号层面的协商。每台机器人各自用大语言模型提出任务计划,再由几何验证器把计划落到轨迹上,检测机器人之间的时空冲突,并把受影响机器人、冲突位置与冲突时间作为结构化反馈退回对应规划器做定向重规划。CARLA 双智能体多目标导航与两架 Crazyflie 仿真显示,集中式规划在目标点较少时规划开销更低,目标点增多后两者差距缩小;邻居表输入稳定产生图内合法路径,坐标输入更灵活但更易生成无效路点。

Source-provided article image: Verifier-Mediated Multi-LLM Coordination for Multi-Robot Path Planning
Fig. 1 · arXiv

深度剖析

多机器人规划被拆成两层:大语言模型只负责语义任务分解,轨迹是否真的可行交给一个共享的几何验证器判断。 此前多机器人语言模型框架通过集中式或分散式符号推理与智能体间通信来协调,但符号层面的协调本身并不保证计划在几何落地后仍然物理可行。 在 CARLA 的双智能体多目标导航任务中,两个智能体从各自起点出发、访问全部指定目标点后返回起点,只有双方都访问完目标点且全程保持无碰撞才算成功,实验采用的智能体间分离阈值为米级。

验证器发现预测冲突后,不是让所有机器人重新协商,而是只把冲突信息退回给受影响的那一个规划器。 独立生成的路径可能在空间和时间上相交,或在共享工作空间里违反约束,这些冲突在符号规划层面看不出来。 验证器对每一对机器人检查轨迹间的最小预测间距是否低于预设分离阈值,若违反则生成包含受影响智能体、预测冲突时间与位置、最小预测间距的结构化反馈对象,重规划只针对受影响智能体,其他智能体的可行计划可以保留,直到所有候选轨迹满足执行层约束。

同一套规划—验证—执行接口从地面车辆换到空中机器人后仍可使用,几何落地与执行层按平台替换。 CARLA 实验只覆盖结构化路网上的地面车辆,无法说明该接口是否依赖路网这一特定设定。 两架四旋翼在 Crazyflie 仿真中被分配不同导航任务,由同一集中式与分散式架构生成满足验证器预测间距判据的轨迹;单架 Crazyflie 硬件上则运行同一符号到几何的规划流水线,由大语言模型生成稀疏路点,落地为可执行轨迹并在送入底层控制器前做可行性检查。

启示与展望

该工作面向多机器人导航中的高层任务规划,适用场景是共享工作空间内需要避免时空冲突的机器人团队。CARLA 实验覆盖两个智能体、目标点数量递增的多目标导航,Crazyflie 部分在仿真中评估两机协调,在硬件上评估单机避障导航。作者提出后续方向包括扩展到更大机器人团队、更丰富的通信策略、不确定性感知验证以及多机器人硬件部署。

验证器目前只作为执行层可行性检查器,用于预测轨迹冲突,尚未包含不确定性感知或形式化认证的安全机制。硬件实验中的实际轨迹会因跟踪误差、执行器动力学、定位不确定性与外部扰动而偏离理想路点连接,因此多机器人协调本身是在两架 Crazyflie 的仿真中评估的。