LDT-Coord：轻量数字孪生框架助力异构大模型智能体高效协同

随着异构大语言模型驱动的智能体在智慧工厂、仓储物流和服务机器人等物理人工智能场景中的广泛应用，如何在有限网络资源下实现可靠协作成为关键挑战。现有基于多轮自然语言对话的协调框架存在通信开销大、协调质量受模型能力制约、行动延迟明显三大耦合问题。

为此，研究团队提出LDT-Coord协调框架，其核心创新在于构建轻量级数字孪生系统。每个智能体独立选择预期行动，并向数字孪生服务器报告行动决策及结构化资源约束，从而将协调性能与自然语言推理能力解耦。数字孪生端运行无需训练的规则编排算法，解析跨智能体冲突并返回协调指令。

为进一步降低通信开销，研究将智能体报告控制建模为约束部分可观测马尔可夫决策过程，并采用PPO-Lagrangian算法求解。仿真实验表明，LDT-Coord在保持与传统方法相当任务成功率的同时，通信开销降低超过70倍，且在模型异构性下保持良好鲁棒性。该框架为资源受限环境下的大模型智能体协同提供了高效解决方案。