CoAdapt: 一个基于LLM的框架，用于IIoT机器人集群中的自适应协作感知

arXiv cs.AI 论文
collaborative-perception industrial-iot robotic-swarms llm-controller adaptive-fusion

摘要

CoAdapt是一个基于LLM的框架，用于IIoT机器人集群中的自适应协作感知，通过动态融合控制在保持检测精度的同时将通信成本降低了38%。

arXiv:2609.16852v1 公告类型：新 摘要：工业物联网环境日益部署自主移动机器人用于诸如物料搬运、产品装配或基础设施检查等任务。在这种部署中，协作感知使机器人能够共享LiDAR观测数据，并共同构建比单个代理所能产生的更丰富的环境模型。然而，工业环境是动态空间，机器人位置持续变化，网络带宽波动，且机器人对感知质量的边际贡献在运行时有所不同。现有的协作感知方法基于静态参与假设设计，无法在不牺牲检测精度或通信效率的情况下适应这些动态变化。本文提出了CoAdapt，一个用于IIoT机器人集群的自适应协作感知框架，其中大型语言模型（LLM）作为运行时融合控制器，根据当前的空间配置和网络状态共同决定哪些机器人参与融合过程以及应用哪种融合算法。LLM基于从原始LiDAR点云派生的结构化自然语言描述进行推理，无需任务特定训练，并能泛化到未见过的集群拓扑。在OPV2V基准上对25个场景进行评估，我们的方法实现了38%的通信成本降低，同时保持了与静态基线方法相当的检测精度。
查看原文
查看缓存全文

缓存时间: 2026/09/16 09:04 

# CoAdapt：基于大语言模型的工业物联网机器人集群自适应协同感知框架  
来源：https://arxiv.org/abs/2609.16852  
查看PDF（https://arxiv.org/pdf/2609.16852）

> 摘要：工业物联网环境正越来越多地部署自主移动机器人，用于物料搬运、产品装配或基础设施巡检等任务。在此类部署中，协同感知使机器人能够共享激光雷达观测数据，并共同构建出比单个智能体所能产生的更丰富的环境模型。然而，工业环境是动态变化的空间，机器人位置持续变动，网络带宽存在波动，且机器人对感知质量的边际贡献在运行时也会变化。现有的协同感知方法基于静态参与假设设计，无法适应这些动态变化，往往以牺牲检测精度或通信效率为代价。本文提出 CoAdapt——一种面向工业物联网机器人集群的自适应协同感知框架，其中大语言模型（LLM）作为运行时融合控制器，根据当前的空间配置和网络状态，联合决策哪些机器人参与融合过程以及采用何种融合算法。该LLM基于从原始激光雷达点云中提取的结构化自然语言描述进行推理，无需特定任务训练，并可泛化至未见过的集群拓扑结构。在OPV2V基准测试的25个场景中进行评估，我们的方法在保持与静态基线方法相当的检测精度的同时，实现了38%的通信成本降低。

## 提交历史
来自：Houssam Hajj Hassan [查看邮箱 (https://arxiv.org/show-email/c182c4ed/2609.16852)] [通过CCSD代理] **[v1]** 2026年9月15日 周二 08:44:08 UTC（1,126 KB）

相似文章

COOPA：一种面向运筹学问题的模块化LLM智能体架构

arXiv cs.LG

本文介绍了COOPA，一种面向运筹学问题的模块化LLM智能体架构，它结合了基于迭代置信度的建模、元素级溯源和多求解器路由。在八个LLM主干网络和四个基线的评估中，COOPA在六个主干网络上取得了最佳的宏平均准确率，并在最强基线的基础上提升了最多6.7个百分点。