以自然语言提示机器人团队
机器人学
2025-09-30 v1 机器学习
多智能体系统
摘要
本文提出了一种以自然语言表达提示多机器人团队高层任务的框架。我们的目标是利用近期语言模型在理解和分解人类意图表达中所展现的推理能力，并将其重新用于多机器人协作与决策。关键挑战在于，个体在集体中的行为难以指定和解释，且必须持续适应其他个体的行动。这需要一个既具备任务逻辑和语义所需的表达能力，又支持去中心化和交互式实时操作的框架。我们通过认识到任务可表示为确定性有限自动机（DFA），且循环神经网络（RNN）可编码众多自动机来解决这一困境。这使得我们能够将来自语言模型的子任务逻辑和顺序分解提炼为 RNN，并将其内部状态与给定任务的语义对齐。通过训练以 RNN 隐藏状态和语言嵌入为条件的图神经网络（GNN）控制策略，我们的方法使机器人能够以去中心化方式执行与任务相关的动作。我们在各种需要团队顺序和协作行为的模拟和真实世界多机器人任务上评估了这一单一轻量可解释模型——sites.google.com/view/prompting-teams。
引用
@article{arxiv.2509.24575,
title = {Prompting Robot Teams with Natural Language},
author = {Nicolas Pfitzer and Eduardo Sebastián and Ajay Shankar and Amanda Prorok},
journal= {arXiv preprint arXiv:2509.24575},
year = {2025}
}