How foundation models will revolutionize robot swarms

How foundation models will revolutionize robot swarms｜Volker Strobel, Marco Dorigo, Mario Fritz · IRIDIA (ULB) / CISPA · Science Robotics 11(113) · 2026 · 原文

这篇综述在回答什么问题

机器人集群（robot swarm）由大量通常很简单的个体组成，靠局部通信与去中心化协调完成复杂任务。传统做法是：任务开始前由专家把控制器写成代码烧进机器人。作者指出这条路径的两个硬伤——开发成本极高，以及灵活性受限：一旦现场情况偏离设计者的设想，集群没有任何余地去改变自己的行为。这篇文章要回答的是：当基础模型（foundation model, FM）可以被放到机器人上时，集群工程的范式会怎样被改写？值得注意的是，作者不是 LLM 圈的人蹭热点——Dorigo 是蚁群优化与 swarm robotics 的奠基者，Fritz 来自安全研究背景，这决定了文章既讲机会也讲风险。

分类框架

全文围绕一条极简却清晰的二分法展开，把 FM 在集群中的位置分成两种互补角色：

• FM as swarm designer（设计者）：FM 处在部署之前或之外，负责把人给的任务描述合成为机器人控制器代码并加以验证，同时承担高层规划。它压缩的是「从需求到可运行集群行为」的工程周期，并减少人为错误。
• FM as swarm operator（操作者）：每台机器人机载运行自己的 FM 实例，在任务执行中处理传感输入、生成集体动作。它带来的是机器人—机器人协作（用自然语言协商、交换语义信息）与人—集群交互（语音、手势）。

这一二分法在作者同组的前作 LLM2Swarm（arXiv:2410.11387）中已有对应实现，分别称为「间接集成」与「直接集成」，并在实验中展示了直接集成的机器人能够在事先不知道异常性质的情况下检出多种异常——这正是把推理能力放到机器人身上的独特收益。

关键结论

• 自主性的量级跃迁：把 FM 嵌入控制软件，集群可以达到此前无法企及的自主性、灵活性与适应性——能够实时调整行为，甚至在必要时偏离原定任务。作者给出的标志性设想是：一支森林监测集群遇到受伤的人，会转而施救，「不是因为被显式编程要这么做，而是因为情境要求如此」。
• 两条路径互补而非互斥：设计者路径解决「集群难写」，操作者路径解决「集群难变」。真正的价值在于二者叠加。
• 去中心化仍是底座：FM 是加在个体上的能力，而不是把集群改造成中心化系统；每台机器人各自持有模型，符合 swarm 的局部性原则。
• 人机交互门槛被拉平：自然语言与手势可以直接成为集群指令层，非专家用户第一次有可能操作一支集群。

它指出的开放问题

• 机载算力：让每台小型机器人跑得动 FM，仍然是尚未解决的硬件约束。
• 幻觉（hallucination）：FM 生成「貌似合理但错误」的输出，在集群里会直接转化为物理动作，构成全新的可靠性故障模式。
• 自主性与可控性的权衡：FM 的概率性本质，与集群工程长期追求的行为可预测、可形式化验证之间存在张力。
• 安全与治理：作者主张ethics-by-design，在设计阶段嵌入伦理与安全约束，而不是事后补救。

为什么值得读

这是目前把「基础模型」与「集群机器人」两条线接起来的最高规格、最新的一篇短文（Science Robotics，2026 年 4 月）。它篇幅不长，但胜在定位准确：不同于面向多机器人系统的 LLM 应用综述（那类工作按任务分配/运动规划/动作生成分层罗列方法），本文给的是一条范式判断——集群的控制器将从「写出来」变成「长出来」。想理解未来三到五年 swarm 研究议程的读者、以及正在做多智能体 LLM 系统而想知道具身侧边界在哪的读者，都应该把它作为起点；随后可接着读同组的 LLM2Swarm 拿到可复现的实验细节。

原文链接

• LLM2Swarm: Robot Swarms that Responsively Reason, Plan, and Collaborate through LLMs（arXiv:2410.11387）
• Marco Dorigo 主页（IRIDIA）