FLEET：面向异构机器人团队的基于形式语言的调度
机器人学
2025-10-10 v1
摘要
从自由形式的自然语言指令协调异构机器人团队是困难的。仅基于语言的规划器在长期协调和幻觉方面表现不佳，而纯形式方法则需要封闭世界模型。我们提出了FLEET，一个混合去中心化框架，将语言转化为优化的多机器人调度。LLM前端产生（i）一个带有持续时间和优先级的任务图，以及（ii）一个面向能力的机器人-任务适配矩阵；形式化后端求解makespan最小化问题，同时底层机器人通过代理闭环控制执行其自由形式的子任务。在多个自由形式语言引导的自主协调基准测试中，FLEET在异构任务的双机器人团队上优于最先进的生成式规划器。消融实验表明混合整数线性规划（MILP）主要改进时间结构，而LLM导出的适配度对于能力耦合任务具有决定性作用；两者结合实现了最高的整体性能。我们通过使用一对具有不相交能力的四足机器人的硬件试验展示了向现实世界挑战的转化。
引用
@article{arxiv.2510.07417,
title = {FLEET: Formal Language-Grounded Scheduling for Heterogeneous Robot Teams},
author = {Corban Rivera and Grayson Byrd and Meghan Booker and Bethany Kemp and Allison Gaines and Emma Holmes and James Uplinger and Celso M de Melo and David Handelman},
journal= {arXiv preprint arXiv:2510.07417},
year = {2025}
}