AutoHMA-LLM: Эффективная координация и выполнение задач в гетерогенных мультиагентных системах с использованием гибридных больших языковых моделей

Гетерогенные мультиагентные системы (HMAS) включают различные интеллектуальные агенты со специализированными функциями, такие как дроны, наземные роботы и автоматизированные устройства, работающие в условиях координированного взаимодействия. В статье представлена новая платформа AutoHMA-LLM, объединяющая большие языковые модели (LLM) с классическими алгоритмами управления для решения задач координации и планирования выполнения задач в сложных динамических средах. Платформа построена на многоуровневой архитектуре, в которой облачная LLM используется в качестве центрального планировщика совместно с LLM, специфичными для отдельных устройств, и генеративными агентами для повышения эффективности и точности выполнения задач. Система ориентирована на динамические сценарии и повышает эффективность использования ресурсов, а также стабилизирует выполнение задач за счёт усовершенствованного планирования и механизмов обратной связи в реальном времени. В экспериментах, проведённых в сценариях логистики, инспекции, поиска и спасения, AutoHMA-LLM продемонстрировала повышение точности выполнения задач на 5,7%, сокращение числа коммуникационных шагов на 46% и уменьшение использования токенов и количества вызовов API на 31% по сравнению с базовыми методами. Полученные результаты демонстрируют масштабируемость и эффективность платформы, обеспечивая существенную поддержку эффективного взаимодействия множества агентов в сложных средах с ограниченными ресурсами.