[論文レビュー] LLM-Guided Decentralized Exploration with Self-Organizing Robot Teams

Hiroaki Kawashima, Shun Ikejima+3 more|arXiv (Cornell University)|Mar 5, 2026

Distributed Control Multi-Agent Systems被引用数 0

ひとこと要約

論文は自己組織化されたチーム形成とLLMベースの目的地選択を組み合わせた分散型多ロボット探索フレームワークを提案し、 simulation で tens 〜 hundreds のロボットを用いて explored area の改善を示す。

ABSTRACT

When individual robots have limited sensing capabilities or insufficient fault tolerance, it becomes necessary for multiple robots to form teams during exploration, thereby increasing the collective observation range and reliability. Traditionally, swarm formation has often been managed by a central controller; however, from the perspectives of robustness and flexibility, it is preferable for the swarm to operate autonomously even in the absence of centralized control. In addition, the determination of exploration targets for each team is crucial for efficient exploration in such multi-team exploration scenarios. This study therefore proposes an exploration method that combines (1) an algorithm for self-organization, enabling the autonomous and dynamic formation of multiple teams, and (2) an algorithm that allows each team to autonomously determine its next exploration target (destination). In particular, for (2), this study explores a novel strategy based on large language models (LLMs), while classical frontier-based methods and deep reinforcement learning approaches have been widely studied. The effectiveness of the proposed method was validated through simulations involving tens to hundreds of robots.

研究の動機と目的

• 未知環境における中央集権的制御なしの堅牢でスケーラブルな探索を動機づける。
• 動的な自律チーム形成の自己組織化機構を開発する。
• 占有グリッドとチーム状態情報を用いたチームリーダーがLLMにマップセル・チーム位置・他チームの目的地を入力し、次のフロンティア目標を選択するLLMベースの目的地選択戦略を導入する。

提案手法

• ロボットごとに所望のチームサイズを設定した自己組織化チーム形成と分散型の recruited/離脱規則。
• バッテリ充電に適応するためのダイナミックなチーム結合と個々の離脱規則（EXP対CHR）。
• 確率的占有グリッドを用いたA*経路計画によるフロンティア探索。
• マップセル、チーム位置、他チームの目的地を含む情報をリーダーがLLMへ促し、次のフロンティアターゲットを選択するLLMベースの目的地決定。
• LLMが失敗する場合やリトライ回数が上限を超えた場合には確率的フロンティアサンプリングのベースラインへフォールバック。
• 暖機期間20ステップを伴うAzure OpenAI gpt-4oを用いたシミュレーションで評価；基準となるフロンティアサンプリングと比較。

実験結果

リサーチクエスチョン

• RQ1 自律的で分散型のチーム形成は中央協調なしでスケーラブルな探索を実現できるか。
• RQ2 LLMベースの目的地選択は古典的なフロンティア法と比較して探索効率を向上させるか。
• RQ3 通信仮定の下でより大規模な群体や動的チーム形成に対して手法はどの程度スケールするか。
• RQ4 マルチロボット探索におけるリアルタイムの目的地決定にLLMsを用いる際のトレードオフは何か。

主な発見

• LLMベースの目的地選択は、基準法と比較して300ステップ内の総探索面積を約20%増加させる（N=15）。
• EXPモードでより大きなチームを形成し、CHRモードで充電のために個々が解離することでダイナミックにチームが再構成される。
• LLMは近接性、重複回避、フロンティア密度、障害物の有無を考慮して最も近いフロンティアセルだけでなくターゲットを選択する。
• 手法はより大きな群体にもスケールし、シミュレーションでN=50およびN=100で実証。
• 実験は開発段階で全マップ共有と全ロボット間通信を前提としている；今後は通信制限への対応を検討。