多机器人各自用大模型规划路线：几何验证器把冲突变成结构化反馈，只让冲突方重规划

多机器人导航的规划架构多了一种选择：不再只由一个大模型统管全队，而是每个机器人各自提出符号任务计划，再由一个共享的执行层验证器把落地后的轨迹冲突转成结构化反馈，只让冲突涉及的一方重新规划。 此前多机器人大模型框架通过集中式或去中心化的符号推理与智能体间通信来协调队伍，但符号层面的协调本身并不保证计划在几何落地后仍然物理可行。 在 CARLA 的两智能体多目标导航任务中，集中式与去中心化架构在相同任务条件下对比：目标集较小时集中式规划开销更低，目标集变大后两者差距收窄，去中心化从模块化结构中获益。

协调不靠机器人之间用自然语言自由协商，而是靠一个外部验证器检查落地轨迹。 验证器对每一对机器人检查轨迹间距是否满足预设分离阈值，并可用同一批落地轨迹检查机器人与障碍物的约束。 一旦违反，验证器给出受影响智能体、预测冲突时间与位置以及最小预测间距，构成结构化反馈对象，重规划只针对受影响智能体，其他智能体的可行计划可以保留，直到所有候选轨迹满足执行层约束。

同一套规划—验证—执行接口从地面车辆换到空中机器人仍然可用。 CARLA 实验考察的是路网图上的协调性能，Crazyflie 实验则把同一符号到几何的规划与可行性管线搬到四旋翼上。 两架 Crazyflie 仿真中，两个任务不同的四旋翼通过轨迹级冲突检查与重规划完成协调；单架 Crazyflie 硬件上，大模型生成稀疏路点，经落地与可行性评估后交给低层控制器，实际轨迹因跟踪误差、执行器动力学、定位不确定性和外部扰动而偏离理想路点连接。

这套接口面向多机器人导航的高层任务规划：大模型提出符号计划，几何层把计划落地成轨迹，执行层验证器检查预测冲突并返回结构化反馈。CARLA 实验用结构化路网图上的两智能体多目标导航考察协调性能随任务复杂度的变化，Crazyflie 实验考察同一规划—验证—执行接口向空中机器人的迁移。作者提出的后续方向包括扩展到更大机器人队伍、更丰富的通信策略、不确定性感知验证以及多机器人硬件部署。

当前实现中验证器只是针对预测轨迹冲突的执行层可行性检查器，作者把不确定性感知或形式化认证的安全机制列为自然的后续方向。硬件实验里实际轨迹会因跟踪误差、执行器动力学、定位不确定性和外部扰动偏离理想路点连接，因此硬件部分评估的是规划—落地—可行性接口在执行层效应下的表现，多机器人协调本身由两架 Crazyflie 仿真评估。作者也把更大机器人队伍、更丰富通信策略与多机器人硬件部署列为正在进行的工作。