EmbodiedAgent：面向多机器人控制的可扩展层次方法
机器人学
2025-08-18 v2 人工智能
摘要
本文介绍了EmbodiedAgent，这是一种用于异构多机器人控制的层次框架。EmbodiedAgent解决了在实际任务中出现的幻觉问题的关键限制。我们的做法将下一动作预测范式与结构化记忆系统相结合，用于将任务分解为可执行的机器人技能，同时动态地将动作验证于环境约束条件。我们提出了MultiPlan+数据集，包含超过18,000个标注的规划实例，涵盖100种情景，包括一小部分不切实际的案例以缓解幻觉问题。为评估性能，我们提出了机器人规划评估方案（RPAS），结合自动化指标与大语言模型辅助的专家评分。实验结果表明，EmbodiedAgent的表现优于当前最先进的模型，达到了71.85%的RPAS评分。实际场景中的验证在办公服务任务中凸显了其协调异构机器人实现长期目标的能力。
引用
@article{arxiv.2504.10030,
title = {EmbodiedAgent: A Scalable Hierarchical Approach to Overcome Practical Challenge in Multi-Robot Control},
author = {Hanwen Wan and Yifei Chen and Yixuan Deng and Zeyu Wei and Dongrui Li and Zexin Lin and Donghao Wu and Jiu Cheng and Xiaoqiang Ji},
journal= {arXiv preprint arXiv:2504.10030},
year = {2025}
}