検証器を介したマルチLLM協調によるマルチロボット経路計画

- 複数ロボットのナビゲーションにおけるLLMプランナの実行考慮型コーディネーションを研究。 - 集中型アーキテクチャ（1つのLLMがチーム全体を推論）と分散型マルチLLMアーキテクチャ（各ロボットが独立にタスクプランを提案）を比較。 - 幾何学的verifierが候補プランをロボット軌道に接地し、予測されるロボット間衝突を検出、構造化フィードバックを生成して再プランニングを促す。 - 意味的タスク推論と実行レベルの実現可能性を分離しつつ、LLMプランナ間の反復的コーディネーションを可能にする。

- 従来のLLMによる高レベルマルチロボットタスク計画では、独立生成された記号プランが共有空間・時間制約により幾何学的接地後に共同で実行不可能になる問題があった。 - 本研究はverifierを介したアーキテクチャにより、実行可能性を考慮したコーディネーションを実現。 - 集中型推論、分散型verifier媒介コーディネーション、物理的実行可能性のトレードオフを特徴づける点が新しい。

- 集中型：単一LLMがロボットチーム全体を jointly 推論。 - 分散型：各ロボットが独立にLLMでタスクプランを提案。 - 幾何学的verifier：候補プランをロボット軌道に接地し、予測されるロボット間衝突を検出。 - 衝突情報を構造化フィードバックに変換し、対象を絞った再プランニングを実施。 - この分離により、意味的推論と実行レベル実現可能性を切り離しつつ反復的コーディネーションを可能にする。

- CARLAとCrazyflie aerial robotsでの実験を実施。 - タスク複雑度の増加に伴うコーディネーション性能を評価。 - 集中型推論、分散型verifier媒介コーディネーション、物理的実行可能性のトレードオフを特徴づけた。

- 集中型推論、分散型verifier媒介コーディネーション、物理的実行可能性の間のトレードオフを議論。 - タスク複雑度が増すにつれたコーディネーション性能の変化を特徴づけ。 - その他の議論や限界については要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の関連手法として、LLM-based task planning、multi-robot path planning、geometric verifier、CARLA、Crazyflie aerial robots などが挙げられる。