智源研究院推出RoboOS和RoboBrain框架，推动单机智能向群体智能转型。RoboBrain通过任务规划、区域感知和轨迹预测，增强机器人执行复杂任务的能力，支持多机器人系统的高效调度与动态优化，促进具身智能的应用与生态建设。

本研究提出了一种知识增强的混合整数线性规划自动建模框架，旨在解决动态生产约束下多机器人系统的任务分配和数据隐私问题。实验结果表明，该框架在航空器皮肤制造中实现了成功的自动建模。

本研究探讨了大语言模型（LLMs）在多机器人系统（MRS）中的应用，包括任务分配、运动规划和人机互动，揭示其在家庭机器人和建筑领域的潜力，同时指出了面临的挑战和未来研究方向。

本研究提出了一种去中心化的感知框架，旨在提升多机器人系统在工业环境中对人类行为的预测能力。研究表明，通过共享信息和结合空间、时间数据，增加机器人数量和时间序列长度可以提高预测准确性，增强系统韧性。

本研究提出了一种结合命令与层级规划的模型，以提升机器人在多层次任务中的规划效率和响应速度。通过大型语言模型（LLM），实现了将人类请求转化为可执行计划，增强了长期任务规划的可行性和灵活性。同时，研究探讨了分层结构和基于搜索的方法在多机器人系统中的应用，提升了任务成功率和执行效率。