LLM编排异构机器人部分委派框架论文

Maria G. Mendoza 等人在 arXiv 提出一种用 LLM 持久编排异构机器人团队的部分委派框架，面向灾害响应这类不终止、环境持续变化的场景。作者指出 LLM 编排器存在三类失效：提示无限增长、推理随智能体与目标累积而退化、覆盖一次搜索空间后停止主动监控；对应地用马尔可夫状态摘要替代增长的交互历史，让编排器只生成需要精细参数与排序的子任务，并在提示中显式呈现观测陈旧度，配合任务与事件触发的重新提示。 论文称，在一场火势蔓延、被疏散者移动的城市搜救仿真中，该框架救出 98% 的平民，高于最强基线的 89%，同时 token 用量少六倍；消融实验用于分离各机制的贡献。这些结果来自仿真，非真实部署。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。