論文の概要: Verifier-Mediated Multi-LLM Coordination for Multi-Robot Path Planning
- arxiv url: http://arxiv.org/abs/2610.12761v1
- Date: Thu, 08 Oct 2026 22:12:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.296455
- Title: Verifier-Mediated Multi-LLM Coordination for Multi-Robot Path Planning
- Title（参考訳）: 複数ロボット経路計画のための検証媒介型マルチLLMコーディネート
- Abstract要約: マルチロボットナビゲーションのための大規模言語モデル(LLM)プランナーの実行-認識協調について検討する。
検証者は、候補計画をロボット軌道に接地し、予測されたロボット間の衝突を検出し、競合情報を対象の計画変更のための構造化されたフィードバックに変換する。
CARLAおよびCrazyflie空飛ぶロボットの実験は、タスクの複雑さが増大するにつれて調整性能を評価する。
- 参考スコア（独自算出の注目度）: 6.809253991952763
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Foundation models are increasingly used for high-level multi-robot task planning, yet independently generated symbolic plans can become jointly infeasible after geometric grounding because of shared spatial and temporal constraints. We study execution-aware coordination of large-language-model (LLM) planners for multi-robot navigation. We compare a centralized architecture, in which one LLM jointly reasons over the robot team, with a decentralized multi-LLM architecture in which each robot independently proposes a task plan. A geometric verifier grounds the candidate plans into robot trajectories, detects predicted inter-robot conflicts, and converts conflict information into structured feedback for targeted replanning. This verifier-mediated architecture separates semantic task reasoning from execution-level feasibility while enabling iterative coordination among LLM planners. Experiments in CARLA and on Crazyflie aerial robots evaluate coordination performance as task complexity increases and characterize the trade-offs between centralized reasoning, decentralized verifier-mediated coordination, and physical executability.
- Abstract（参考訳）: 基礎モデルは高レベルなマルチロボットタスク計画にますます利用されているが、空間的制約と時間的制約が共有されているため、幾何学的接地後に独立に生成されたシンボルプランは共同で実現できない。
マルチロボットナビゲーションのための大規模言語モデル(LLM)プランナーの実行-認識協調について検討する。
ロボットチームに対して1つのLLMが共同で原因となる集中型アーキテクチャと,各ロボットが個別にタスク計画を提案する分散型マルチLLMアーキテクチャを比較した。
幾何検証器は、候補計画をロボット軌道に接地し、予測されたロボット間衝突を検出し、競合情報をターゲット再計画のための構造化されたフィードバックに変換する。
この検証器を介するアーキテクチャは、LCMプランナ間の反復的な調整を可能にしながら、実行レベルの実現可能性から意味的タスク推論を分離する。
CARLAとCrazyflieの航空ロボットによる実験は、タスクの複雑さが増大し、中央集権的推論、分散検証器による調整、物理的実行性の間のトレードオフを特徴付けることにより、調整性能を評価する。
関連論文リスト
- D-VLC: Decentralized Vision-Language Collaboration for Heterogeneous Embodied Multi-Robot Systems in Unknown Environments [10.393866368123946]
マルチロボットシステムは、並列協調と補完機能によって複雑なタスク実行の効率を向上させることができる。
本稿では,分散非同期推論,軽量情報共有,機能意識の協調,統一されたアクションインターフェースを組み合わせたフレームワークを提案する。
様々なシナリオと複数のVLMにわたる実験では、成功率は70%を超え、完成までの時間は幾何学的なグリーディベースラインに比べて55.8%も短縮された。
論文 参考訳（メタデータ） (2026-07-31T04:20:32Z) - HEART: Coordination of Heterogeneous Expert Agents for Physically Grounded Robotic Task Planning [13.14097890573283]
LLM(Large Language Models)は複雑な命令を推論するが、ロボットタスク計画に必要な物理的および空間的制約を満たすことができないことが多い。
命令を原子推論タスクに分解する異種マルチLLMフレームワークを提案する。
HEARTは単一LLMやルールベースのプランナに比べて計画の成功を継続的に改善することを示す。
論文 参考訳（メタデータ） (2026-06-24T05:02:37Z) - CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy [67.76658561040625]
CHORUSは、多様なマルチロボットチームを制御するために、単一のビジョン言語アクション(VLA)バックボーンに適応するフレームワークである。
実験では、CHORUSは分散化されたスクラッチモデルよりも64%のポイント改善を実現している。
その結果,共有VLAバックボーンは分散マルチロボットコラボレーションを実現することができることがわかった。
論文 参考訳（メタデータ） (2026-06-10T17:26:08Z) - Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - Collaborative Task and Path Planning for Heterogeneous Robotic Teams using Multi-Agent PPO [6.508086451004438]
異種ロボットのチームを調整するために,MAPPO(Multi-Agent Proximal Policy Optimization)に基づく協調計画戦略を提案する。
本研究では, 惑星探査のシナリオにおいて, 総合的な探索によって得られた単一目的最適解に対するアプローチをベンチマークし, オンライン・リプランニングを行う能力を評価する。
論文 参考訳（メタデータ） (2026-04-01T17:53:51Z) - TodoEvolve: Learning to Architect Agent Planning Systems [68.48983335970901]
TodoEvolveは、タスク固有の計画を自律的に合成し、動的に修正するメタプランニングパラダイムである。
PlanFactoryは異種計画パターンの共通インターフェースを提供する。
TodoEvolveは、経済的なAPIコストとランタイムオーバーヘッドを維持しながら、慎重に設計された計画モジュールを一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-08T06:37:01Z) - Decentralized Multi-Agent Goal Assignment for Path Planning using Large Language Models [7.94408712915778]
本研究は,マルチエージェントパス計画における分散型ゴール割り当ての問題に対処する。
エージェントは、環境の構造的表現に基づいて、目標よりもランク付けされた選好を独立に生成する。
完全に観測可能なグリッドワールド設定において,greedys,Optimal assignment,および大規模言語モデル(LLM)ベースのエージェントを比較した。
論文 参考訳（メタデータ） (2025-10-27T20:05:56Z) - COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T15:53:41Z) - Decomposition-based Hierarchical Task Allocation and Planning for Multi-Robots under Hierarchical Temporal Logic Specifications [9.150196865878234]
時間論理仕様を用いたロボット計画のための分解に基づく階層的枠組みを定式化する。
混合線形プログラムは、様々なロボットにサブタスクを割り当てるために使用される。
本手法はナビゲーションと操作の領域に実験的に適用された。
論文 参考訳（メタデータ） (2023-08-20T23:53:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。