本文介绍了一种利用预训练的大型语言模型进行多机器人协作的新方法，通过通信和路径规划生成子任务计划和路径，应用于多臂运动规划，提高轨迹规划速度。实验证明该方法在多机器人协作场景中成功率高且适应任务语义的变化。

该研究提出了一种新颖的多机器人协作方法，利用预训练的大型语言模型进行高层通信和低层路径规划，通过机器人之间的交流和集体推理任务策略，并生成子任务计划和任务空间路径，应用于多臂运动规划，以加速轨迹规划，并在环境中提供反馈。研究还提出了 RoCoBench，一个包含六个任务的广泛多机器人协作场景的基准测试，伴随着一个纯文本数据集用于代理表示和推理。实验证明了该方法的有效性，能够适应任务语义的变化，并且在真实世界的实验中展示了 RoCo 可以轻松地与人工智能交互。