模块化施工场景中的混合投票基于任务分配

模块化施工涉及现场外预制和现场装配，虽提供显著优势，但为机器人自动化带来复杂的协调挑战。有效的任务分配对于充分发挥多主体系统（MAS）在这些结构化环境中的作用至关重要。本文引入了混合投票基于任务分配（Hybrid Voting-Based Task Assignment, HVBTA）框架，一种新颖的方法，用于优化异构多主体建造团队的协作。受人类任务委派推理启发，HVBTA 独特地将多种投票机制与大型语言模型（Large Language Model, LLM）的能力集成，用于细致评估主体能力与任务要求之间的匹配度。该框架通过为主体分配能力轮廓，并为施工任务分配详细的任务描述列表，随后生成定量的适格性矩阵。六种不同的投票方法增强了预训练 LLM，对该矩阵进行分析，以稳健地识别每个任务的最佳主体。集成冲突基搜索（Conflict-Based Search, CBS），用于 decentralized、无碰撞路径规划，确保在装配期间机器人团队实现 efficient and safe spatio-temporal coordination。HVBTA 实现了高效、无冲突的分配和协调，促进了可能更快、更准确的模块化装配。当前工作正在评估 HVBTA 在涉及多样化机器人平台和任务复杂度的各种模拟施工场景中的性能。虽然 HVBTA 作为通用框架可适用于任何明确定义任务和能力的领域，但由于模块化施工中确定性施工计划的要求，HVBTA 将特别适用于解决多主体协作机器人在模块化施工中日益严峻的协调需求。