CAMON: Cooperative Agents for Multi-Object Navigation with LLM-based Conversations

视觉导航任务对于家庭服务机器人来说至关重要。随着这些任务变得越来越复杂，多个机器人之间的有效沟通和协作变得必不可少，以确保成功完成任务。近年来，大型语言模型(LLMs)在具体代理人的情境下表现出了卓越的理解和规划能力。然而，它们在家庭场景中的应用，特别是在利用多个代理人通过通信协作完成复杂的导航任务方面，仍未得到探索。因此，本文提出了一个分散式多代理导航框架，利用LLM实现通信和协作。通过设计通信触发的动态领导组织结构，我们实现了更快的团队共识，更少的通信实例，从而提高了导航效率和协作探索效率。通过所提出的新型通信方案，我们的框架承诺在多物体导航任务中是无冲突和强健的，即使团队规模激增。

论文旨在解决多机器人协作完成复杂导航任务的问题，利用大型语言模型（LLM）进行通信和协作，这在家庭场景中尚未得到充分探索。

通过设计通信触发的动态领导组织结构，实现更快的团队共识，更少的通信实例，从而提高导航效率和协作探索效率。利用提出的新型通信方案，该框架在多目标导航任务中具有无冲突和鲁棒性。

该论文提出了一个分布式多机器人导航框架，利用大型语言模型进行通信和协作。实验设计合理，使用了多个数据集，并提供了开源代码。该研究对于解决家庭服务机器人导航问题具有重要意义。

在最近的相关研究中，也有一些关于多机器人导航和协作的论文，例如《Multi-Robot Navigation in Dynamic Environments: A Survey》和《Decentralized Multi-Robot Navigation in Cluttered Environments Using Markov Decision Processes》。