提出多智能体视觉语言导航基准与方法

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。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。