免训练多智能体协同具身搜索框架提出

Fan Pu 等提出一种免训练、感知不确定性的多智能体协同具身搜索框架，用于无地图环境下的多目标搜索。该框架中 MLLM 仅作为假设生成器，输出语义区域、目标位置线索和可通行连接，作为不确定先验，再结合在线观测与图上下文证据细化；协作导航被表述为滚动时域的多智能体混合整数线性规划，采用字典序目标，先最大化目标导向奖励，再减少行驶距离、不确定边使用和重复访问。 在 100 个 Matterport3D 测试用例上，论文称该框架相比代表性基线方法提升了目标覆盖率与搜索效率，且能适应不同数量的智能体与目标、泛化到未见环境，并在不做任务特定重训的情况下兼容不同感知模块与底层控制器。

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。