Este artículo propone LLM-MCoX (Exploración y Búsqueda Coordinadas Multirrobot basadas en LLM), un novedoso marco de trabajo que aprovecha los Modelos de Lenguaje Grandes (LLM) para abordar los desafíos de la navegación autónoma y la recuperación de objetos en entornos interiores desconocidos para sistemas multirrobot (MRS). Este marco combina el procesamiento de escaneo LiDAR, la extracción de clústeres omnidireccionales, la detección de puertas y la inferencia LLM multimodal (p. ej., GPT-4o) para generar asignaciones coordinadas de puntos de referencia basadas en un mapa de entorno compartido y los estados del robot. LLM-MCoX supera a los planificadores voraces y basados en Voronoi existentes. Específicamente, reduce el tiempo de navegación en un 22,7% y mejora la eficiencia de búsqueda en un 50% en un entorno a gran escala con seis robots. Además, LLM-MCoX permite la recuperación de objetos basada en lenguaje natural, lo que permite a los operadores humanos proporcionar una guía semántica de alto nivel que los algoritmos tradicionales no pueden interpretar.
