AIJ

LLM-Based Generalizable Hierarchical Task Planning and Execution for Heterogeneous Robot Teams with Event-Driven Replanning

基于LLM的异构机器人团队通用分层任务规划与执行及事件驱动重规划

Suraj Borate, Bhavish Rai B, Vipul Pardeshi, Madhu Vadali

机构 * Department of Mechanical Engineering, IIT Gandhinagar（印度加尔各直辖区理工学院机械工程系） ； Sahyadri College of Engineering and Management（萨哈亚德里工程与管理学院） ； Vishwakarma Institute of Information Technology（维什瓦克arma信息技术学院） 纠错

AI总结 提出CoMuRoS架构，结合集中式规划与分布式执行，通过LLM解释自然语言目标、分配子任务，并支持事件驱动重规划，在硬件实验中实现自主恢复和协调运输。

Comments full version of this short paper is accepted at Frontiers in Robotics and AI Journal

Proven Advantage of Multiobjective Evolutionary Algorithms for Problems with Different Degrees of Conflict

多目标进化算法在冲突程度不同问题中的优势证明

Weijie Zheng

AI总结 本文通过对比不同冲突程度的问题，证明多目标进化算法在解决OneMaxMin_k问题时优于传统方法，且在不同冲突程度下均能高效求解。

Comments This is the preprint version of an article accepted for publication in Artificial Intelligence Journal

Journal ref Artificial Intelligence, 2026, 104573