arXiv · cs.AI· Yunzhe Xu, Zhe Liu·· 1 天前
系统性多智能体视觉-语言导航：提出MAVLN基准与TRISS系统
Systematic Multi-Agent Vision-and-Language Navigation: Formulation, Benchmark, and Method
arXiv:2609.35965v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yunzhe Xu, Zhe Liu
首次提交：2026-09-29 02:00
研究任务与主要进展
基于论文摘要，作者首次将多智能体视觉-语言导航形式化为带依赖和资源约束的协作问题，并提出包含11,724个任务片段、145个场景、最多4个智能体及三种指令形式的MAVLN基准。TRISS结合LLM子任务调度器、共享拓扑记忆和冲突感知执行机制，将各智能体的探索转化为团队知识并生成无冲突路线；作者报告实验表明该系统可作为综合基线，但调度、规划和执行仍有较大改进空间。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org