研究者らは、異種大規模言語モデル（LLM）で駆動される具身エージェントのチーム向けのネットワーク化された協調フレームワークであるLDT-Coordを提案する。本システムは、軽量なデジタルツインサーバーを利用して、協調処理と自然言語推論を分離することで、既存の複数ラウンド対話方式に内在する高い通信コストやアクションの遅延に対処する。

  • エージェントは反復的な交渉を行う代わりに、意図したアクションと構造化された時間的制約をDTサーバーへ報告する。
  • トレーニング不要のルールベースオーケストレーターが、共有リソースに関するエージェント間の競合を解決する。
  • エージェントの報告制御は、制約付き部分観測マルコフ意思決定過程（C-POMDP）として定式化され、PPO-Lagrangianアルゴリズムを用いて求解される。
  • シミュレーション結果は、従来の手法と同等のタスク成功率を示しつつ、通信オーバーヘッドを70倍以上削減している。

本フレームワークはLLMの異種性に対して堅牢性を維持し、限られたネットワークリソースを持つ環境における物理AI展開のための信頼性の高い協調メカニズムを提供する。