本研究提出了一种具身代理的分层框架，用于异构多机器人控制，旨在解决幻觉问题。该方法通过预测下一步动作和结构化记忆，将任务分解为可执行的机器人技能，并动态验证行动的环境适应性。实验结果表明，具身代理在现实场景中有效协调异构机器人，评估得分达到71.85%，展现了其长远目标的潜力。

本研究提出LaMMA-P框架，将语言模型与传统启发式搜索规划器结合，用于异构机器人团队的子任务识别和分配。实验结果显示，LaMMA-P在任务成功率和效率上分别提高了105%和36%。研究还探讨了大型语言模型在多智能体系统中的应用潜力和挑战。