DAG-LLM:基于大语言模型的多机器人任务调度方法OA

在家庭服务场景中,多机器人系统需处理非专业用户发出的自然语言指令,这对自动化任务调度提出更高要求。针对现有多机器人调度方法在任务理解、依赖管理和资源优化方面的不足,提出有向无环图(DAG)-大语言模型(LLM)调度方法,实现从自然语言输入到多机器人协作的全流程自动化。该方法首先利用LLM结合环境信息进行语义解析与任务分解,通过抽象链(CoA)机制生成具备执行约束的子任务集合;其次,基于LLM自动构建子任务间的DAG,取代传统人工建模流程,准确表征任务依赖关系;最后采用回溯算法匹配机器人技能与子任务需求,结合异步执行策略提升执行效率,在保证依赖顺序的前提下通过动态调度减少等待时间。为验证所提方法有效性,在AI2-THOR仿真环境中设计3类不同复杂度的家庭任务(含4组场景)开展对比实验。实验结果表明,DAG-LLM在任务成功率上相较于SMART-LLM提升41.4百分点,相较于AutoTAMP提升57.7百分点;运行时间分别缩短24.3%和6.3%。消融实验进一步表明任务依赖建模和异步执行机制对提升系统性能具有关键作用。该方法无需人工参与任务分解与依赖建模,适用于多机器人智能体在家庭等自然语言驱动应用场景下的高效协作调度。