面向机器人群体的在线自动代码生成：LLM 与自组织层级结构
Online automatic code generation for robot swarms: LLMs and self-organizing hierarchy
AI总结：
该研究利用自组织神经系统 SoNS 让机器人群体在任务停滞时在线请求并执行外部 LLM 生成的代码，真实机器人与仿真实验验证了其自动恢复并完成任务的能力。
摘要：
我们近期提出的自组织神经系统（self-organizing nervous system，SoNS）为机器人群体提供了：1）便捷的行为设计；2）对群体配置及其集体环境的全局估计，从而促进机器人群体在线自动代码生成的实现。在一项使用6台真实机器人的演示以及涉及超过30台机器人的仿真试验中，我们表明，当采用 SoNS 增强的机器人群体陷入停滞时，它能够自动请求并即时运行由外部 LLM 生成的代码，以85%的成功率完成任务。
英文摘要：
Our recently introduced self-organizing nervous system (SoNS) provides robot swarms with 1) ease of behavior design and 2) global estimation of the swarm configuration and its collective environment, facilitating the implementation of online automatic code generation for robot swarms. In a demonstration with 6 real robots and simulation trials with >30 robots, we show that when a SoNS-enhanced robot swarm gets stuck, it can automatically solicit and run code generated by an external LLM on the fly, completing its mission with an 85% success rate.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
