GELATO：基于几何感知的多智能体编排下的多指令轨迹重塑
机器人学
2025-11-17 v2
摘要
我们提出了 GELATO —— 首个嵌入几何环境感知和多智能体反馈编排以支持人机交互场景中多指令的语言驱动轨迹重塑框架。与先前基于学习的方法不同，我们的方法自动通过 VLM 辅助的多视角管道将场景对象注册为 6D 几何原语，LLM 将自由形式的多条指令翻译为明确、可验证的几何约束。这些约束集成到几何感知向量场优化中，以保持平滑性、可行性和间隙，适应初始轨迹。我们进一步引入基于观察者的多智能体编排，以处理多指令输入和目标之间的相互作用 —— 在不重新训练的情况下提高成功率。仿真和实际实验表明，我们的方法在保持程度平滑、更安全以及更易解释的轨迹修改方面优于最先进的基线方法。
引用
@article{arxiv.2509.06031,
title = {GELATO: Multi-Instruction Trajectory Reshaping via Geometry-Aware Multiagent-based Orchestration},
author = {Junhui Huang and Yuhe Gong and Changsheng Li and Xingguang Duan and Luis Figueredo},
journal= {arXiv preprint arXiv:2509.06031},
year = {2025}
}