提问、推理、协助：基于自然语言与时序逻辑的机器人协作

机器人部署的增加，例如在仓储领域，揭示了异构机器人团队需要协作以解决未预见的冲突。为此，我们提出了一种点对点协调协议，使机器人能够在无需中央任务分配器的情况下请求和提供帮助。该过程始于机器人检测到冲突，并使用大语言模型（LLM）判断是否需要外部帮助。如果需要，机器人将构建并广播一条自然语言（NL）求助请求。潜在的协助机器人对该请求进行推理并提供协助方案，包括对其正在进行任务的影响信息。协助推理通过基于信号时序逻辑（STL）并采用巴科斯-诺尔范式（BNF）语法的大语言模型实现，确保语法正确的自然语言到STL的转换，随后将其作为混合整数线性规划（MILP）问题求解。最后，请求机器人通过推理系统级总任务完成时间的预期增加量来选择协助者。我们通过实验评估了该框架，比较了不同的协助者选择策略，发现考虑多个方案能使请求机器人最小化增加的完工时间。我们的方法显著优于诸如选择最近的可用候选协助机器人等启发式方法，并且在性能上与集中式"Oracle"基线相当，但无需大量信息需求。