DuoMind：用语义通信实现分布式多机器人协调

研究人员提出 DuoMind，一个通过语义通信实现多机器人协调的分布式分层框架。每台机器人用 VLA 模型执行低层动作，用 VLM 编排器负责高层推理与机器人间协调。编排器在每一步规划中综合任务指令、本地观测和其他机器人发来的消息，生成动作模型指令与面向同伴的语义消息。团队还发布 RoboPoly 基准，包含需要分布式闭环协作的长时程操作任务。在 RoboPoly 和 RoboTwin 上的实验显示多机器人任务表现提升，消融实验验证了分层编排与语义通信的作用。

此前 VLM 与 VLA 的进展主要集中在单机器人场景，把通用机器人能力扩展到多机器人系统存在明显空白，难点在于既要协调长时程行为，又要保持可靠且细粒度的执行。该工作把高层语义推理与低层动作生成拆分到不同预训练模型，并给出配套的多机器人协调基准，为这一方向提供了可比较的评测基础。

机制上采用分层分工：VLM 编排器接收任务指令、本地观测和同伴消息，输出两类内容，一是给本机 VLA 动作模型的低层指令，二是给其他机器人的语义消息。语义消息替代原始观测或高频数据的交换，降低通信负担，同时让预训练 VLM 的推理能力与 VLA 的精确动作生成能力互补。分布式控制下各机器人各自规划，通过消息闭环协同。

对机器人研发团队而言，这套结构提示一条可复用路径：不必为多机协作重训端到端大模型，而是在已有单机 VLA 之上加一层 VLM 编排与语义消息接口。语义通信意味着通信带宽和同步要求可能低于原始数据共享，有望降低多机系统的集成与部署成本。RoboPoly 可作为选型或验证多机方案的评测入口。

• 在现有单机 VLA 机器人上加装 VLM 编排层与语义消息接口，验证多机协作改造的可行性与成本
• 基于 RoboPoly 的长时程协作任务建立内部多机评测流程，用于比较不同编排与通信策略
• 面向仓储或产线等需要多机并行的场景，评估语义通信相对原始数据共享带来的带宽与延迟收益

• DuoMind 相比单机或非语义通信基线在多机器人任务上的具体提升幅度未在摘要中给出
• RoboPoly 与 RoboTwin 上使用多少台机器人、任务规模和硬件配置未说明
• 语义消息的具体表示形式、压缩方式和通信协议细节未披露
• 框架对通信中断或消息丢失的鲁棒性未在证据中体现