Para peneliti mengusulkan LDT-Coord, sebuah kerangka koordinasi jaringan untuk tim agen yang diwujudkan yang didukung oleh model bahasa besar (LLM) heterogen. Sistem ini memanfaatkan server twin digital ringan untuk memisahkan koordinasi dari penalaran bahasa alami, sehingga mengatasi biaya komunikasi tinggi dan keterlambatan aksi yang melekat pada metode dialog multi-round yang ada.
- Agen melaporkan aksi yang dimaksud dan batasan temporal terstruktur ke server DT alih-alih terlibat dalam negosiasi iteratif.
- Orkestrator berbasis aturan tanpa pelatihan menyelesaikan konflik lintas-agen atas sumber daya bersama.
- Kontrol pelaporan agen dirumuskan sebagai proses keputusan Markov parsial yang teramati dengan kendala (C-POMDP) dan diselesaikan menggunakan algoritma PPO-Lagrangian.
- Hasil simulasi menunjukkan tingkat keberhasilan tugas yang sebanding dengan metode konvensional sambil mengurangi overhead komunikasi lebih dari 70x.
Kerangka ini mempertahankan ketahanan di bawah heterogenitas LLM, menawarkan mekanisme koordinasi yang andal untuk penyebaran AI fisik di lingkungan dengan sumber daya jaringan terbatas.