多様なマルチロボットの協調を大規模言語モデルを使用した適応的グループ交渉フレームワークで強化する

マルチロボットの協調タスクは、さまざまなロボットがスペース制約や環境不確実性の中で長期間にわたって一緒に働くことでよくあります。大規模言語モデル（LLM）は推理と計画において優れているとされていますが、その統合制御への可能性を完全に探求していないようです。人間のチームワークをモチーフにして、CLiMRS (コホスLarge-Language-Model・駆動多種なマルチロボットシステム)と名付けられた協調LLM間のグループ交渉フレームワークは、マルチロボット協調においてアドビティブです。このフレームワークは各ロボットにLLM アジェンスターや組み合わせて一般的な提案計画を通じて動態的にサブグループを形成します。サブグループでは、主導的なサブグループマネージャが感知に基づくマルチ-LLM 会議の結果についてアーム命令を取得し、フィードバックはロボットの実行結果と環境変化から提供されます。この組み合わせ計画実行フィードバック回路により、効果的な計画と堅牢な実行が可能になります。CLiMBench （多種のマルチロボットベンチマーク）。我々の実験では、CLiMRS は最良の基準を越えており、複雑なタスク上で40％以上高いために成功を損なわずに単純なタスクでも成功します。全体的に、我々の結果は、多様なマルチロボット協調において人間が組み立てられたグループ形成と交渉の原則を活用することにより効率性が大幅に改善されることを印象深いものとなります。ダウンロード可能なソースコード: https://github.com/song-siqi/CLiMRS。

arXiv:2602.06967v1 Announce Type: cross Abstract: Multi-robot collaboration tasks often require heterogeneous robots to work together over long horizons under spatial constraints and environmental uncertainties. Although Large Language Models (LLMs) excel at reasoning and planning, their potential for coordinated control has not been fully explored. Inspired by human teamwork, we present CLiMRS (Cooperative Large-Language-Model-Driven Heterogeneous Multi-Robot System), an adaptive group negotiation framework among LLMs for multi-robot collaboration. This framework pairs each robot with an LLM agent and dynamically forms subgroups through a general proposal planner. Within each subgroup, a subgroup manager leads perception-driven multi-LLM discussions to get commands for actions. Feedback is provided by both robot execution outcomes and environment changes. This grouping-planning-execution-feedback loop enables efficient planning and robust execution. To evaluate these capabilities, we introduce CLiMBench, a heterogeneous multi-robot benchmark of challenging assembly tasks. Our experiments show that CLiMRS surpasses the best baseline, achieving over 40% higher efficiency on complex tasks without sacrificing success on simpler ones. Overall, our results demonstrate that leveraging human-inspired group formation and negotiation principles significantly enhances the efficiency of heterogeneous multi-robot collaboration. Our code is available here: https://github.com/song-siqi/CLiMRS.