文章主要内容和创新点
主要内容
本文聚焦于多智能体强化学习（MARL）在多机器人路径规划（MAPF）和任务分配（MRTA）中的探索效率问题，提出将大型语言模型（LLMs）作为“专家规划器”来提升MARL的探索性能。具体内容包括：
- 背景与问题：指出深度强化学习（DRL）和MARL存在样本效率低的问题，在稀疏奖励、长决策 horizon 等复杂环境中探索挑战加剧；而引入专家知识可引导智能体探索更有价值的轨迹。
- 方法设计：提出一种结合QMIX（MARL算法）与专家规划器（A*或Vicuna-7B）的框架，通过混合网络集合的Q值标准差估计模型不确定性，当不确定性超过阈值时调用专家规划器生成行动建议。
- 实验验证：在Simple Spread环境中设计5组对比实验（vanilla QMIX、带注意力机制的QMIX、QMIX+A*、QMIX+Vicuna-7B、QMIX+微调后的Vicuna-7B），结果显示QMIX+Vicuna-7B性能最优且更稳定，验证了LLM作为多智能体专家规划器的有效性。
- 未来方向：包括调整集合智能体数量、改进不确定性估计方法、使用更大模型（如Llama-2）、基于多智能体规划算法（M*）微调LLM等。
创新点
- LLM作为MARL专家规划器：首次将Vicuna-7B等LLM应用于多智能体协作任务的专家探索，通过
