面向智能工业多机器人系统的验证门控智能体任务状态治理

智能体人工智能日益被用于分解工业任务、提出机器人动作以及在动态信息物理环境中调整执行计划。然而，自主提议生成本身并不能保证多机器人工业系统在长时域执行过程中保持任务依赖、资源所有权、安全暂停或维修边界。本文为智能工业多机器人系统引入了一个验证门控的智能体任务状态治理框架。该框架维护两个同步的状态对象：一个用于持久层次、延迟接地和可修复子结构的演化任务森林；以及一个用于在线执行状态、机器人轨迹、资源锁、世界信念、提议、验证记录和场景临时约束的受治理黑板。从每个森林-黑板快照中，导出的执行耦合拓扑暴露了跨分支依赖，用于提议验证、并行提交资格和有界修复。候选分配、修复、延迟和约束更新可由启发式、优化或智能体推理模块生成，但只有在确定性验证和原子提交之后才能更新已承诺的任务状态。我们在室内工厂多机器人场景、30种子远程构建压力基准、结构消融和可扩展性探测中评估了该框架。结果表明，在建模的任务谓词下，验证和审计通过的任务状态进展有所改善，无效提交、锁冲突、重复分配、废弃节点和破坏性修复更少。该研究将智能体AI定位为提议生成层，受可检查的任务状态验证治理，而非不受约束的执行权威。