DuoMind: Enabling Distributed Multi-Robot Coordination with Semantic Communication
DuoMind：通过语义通信实现分布式多机器人协调
🧭 多智能体语义通信与分层协调
University of California, Davis · Microsoft Research · Analog Devices
提出 DuoMind 分层框架，用 VLM 生成语义协调消息、VLA 执行底层动作，并构建 RoboPoly 基准验证多机器人长程协作
📌 工作参考价值（4 点）
- 多智能体系统可借鉴分层架构：VLM 类大模型负责高层任务分解、状态理解与消息生成，下游 executor（VLA/工具调用/排序模型）负责底层精确执行；电商 Agent 中可将 LLM planner 与推荐/搜索执行器解耦，减少长程任务中的误差累积。
- 通信设计上不要传原始观测，而是传由 orchestrator 生成的简短、任务相关的语义消息；这能降低跨 Agent 通信带宽、隔离敏感特征，适合跨团队/跨域推荐与检索 Agent 协作。
- 每个 Agent 的规划步可同时输出“给自己的低层指令”和“给同伴的语义消息”，实现去中心化闭环协调；在业务 Agent 中可让节点在返回动作同时发布 state summary/intent，便于多 Agent 异步协同。
- 评估上可借鉴 RoboPoly 强调长 horizon、闭环、分布式控制的做法，构建多 Agent 业务评测集，并通过消融实验区分“分层编排”与“语义通信”的收益，而不是只看最终业务指标。