本文提出了 LLM-MCoX（基于 LLM 的多机器人协同探索与搜索）框架，这是一个利用大型语言模型 (LLM) 解决多机器人系统 (MRS) 在未知室内环境中自主导航和目标检索挑战的新颖框架。该框架结合了激光雷达扫描处理、全向聚类提取、门口检测和多模态 LLM（例如 GPT-4o）推理，基于共享环境地图和机器人状态生成协调的航点分配。LLM-MCoX 的性能优于现有的贪婪算法和基于 Voronoi 的规划器。具体而言，在包含六个机器人的大规模环境中，它将导航时间缩短了 22.7%，并将搜索效率提高了 50%。此外，LLM-MCoX 支持基于自然语言的目标检索，使人类操作员能够提供传统算法无法理解的高级语义指导。
