arXiv cs.MA· Haishan Zeng, Mengna Wang, Peng Li·· 11 小时前AI 评分32
EmboTeam：面向异构多机器人协作的非对称状态接地框架
EmboTeam: Asymmetric State Grounding for Heterogeneous Multi-Robot Collaboration
AI 导读
EmboTeam 提出一种神经符号框架，让 LLM 生成结构化状态期望，经 PDDL 符号搜索验证后接地为团队级并行行为树，实现异构多机器人长程协作。团队还构建了涵盖 8 种室内布局、42 个异构多机器人任务的 MACE-THOR 基准。相比 LaMMA-P，任务成功率从 12% 提升至 55%，目标条件召回率从 32% 提升至 75%。
正文 · AI 翻译
摘要：长时程下的异构多机器人协作既需要全局任务规划，也需要执行过程中的稳健协调。现有使用大语言模型（LLM）的规划器能够生成任务分解或符号化计划，但往往将其作为固定的动作序列执行，因而对局部状态不匹配和同步失败十分脆弱。我们提出 EmboTeam，一个用于非对称状态接地的神经符号框架。LLM 生成结构化的状态期望，这些期望通过使用规划领域定义语言（PDDL）的符号搜索进行验证与协调，然后接地为团队级并行行为树。各机器人专属的子树执行前置条件检查、技能执行、效果验证、局部重规划和基于黑板（blackboard）的同步。我们进一步引入 MACE-THOR，包含 8 种室内布局下的 42 个异构多机器人任务。与 LaMMA-P 相比，EmboTeam 将任务成功率从 12% 提升至 55%，目标条件召回率从 32% 提升至 75%，证明了同步反应式接地在长时程协作中的有效性。
| 评论： | 已被第 33 届国际多媒体建模会议（MMM 2027）接收 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2601.11063 [cs.RO] |
| （或本版本使用 arXiv:2601.11063v3 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2601.11063 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haishan Zeng [查看邮箱]
[v1]
2026 年 1 月 16 日星期五 07:59:50 UTC（33,397 KB）
[v2]
2026 年 3 月 5 日星期四 13:18:20 UTC（1,788 KB）
[v3]
2026 年 11 月 5 日星期四 07:34:20 UTC（1,171 KB）
来源：arXiv cs.MA · arxiv.org