MistyPilot：通过多智能体 LLM 技能编排实现社交机器人控制

arXiv 论文提出 MistyPilot，这是一种多智能体 LLM 框架，通过在 Misty 社交机器人上编排技能，将自然语言指令转化为机器人行为。框架包含任务路由器和两个专门智能体，分别在物理交互和社交互动场景中工作。在五项组件测试和 12 人用户研究中，MistyPilot 在路由、传感器绑定、任务状态解析和技能扩展（最多 100 个技能）方面表现高精度，且方差低于单智能体基线。代码将公开。

以往社交机器人编程需要开发者手动组合 API、配置参数、绑定传感器事件并管理状态，门槛高。MistyPilot 提出用多智能体 LLM 自动解释自然语言并编排技能，分离物理交互和社交互动任务，可能降低机器人应用开发复杂度，让非技术用户也能参与配置。

MistyPilot 采用任务路由器将指令分发给两个专门智能体：物理交互智能体处理传感器触发的控制和直接技能调用，社交交互智能体管理对话状态和生成多模态响应。为提高效率，社交智能体在适用时复用先前生成结果，否则进行完整生成。这种分工和缓存机制可减少计算开销，提升响应一致性。

对采用类似社交机器人的产品，开发者可能无需手写大量胶水代码，能更快构建交互场景。MistyPilot 的效率复用机制可能降低云调用成本。但需注意，技能扩展上限为 100 个，可能限制复杂场景。目前证据来自单一论文，实际部署影响仍需验证。

• 借鉴两智能体分工思路，为机器人 SDK 设计更高级的自然语言接口，降低用户二次开发门槛。
• 在机器人产品中添加结果复用缓存，降低高频对话场景的 LLM 调用费用和响应延迟。
• 评估 MistyPilot 在自有机器人平台上的技能扩展性，若效果良好可集成到开发者工具中。

• MistyPilot 的技能扩展上限为 100，更复杂任务是否仍能保持高准确率？
• 用户研究仅 12 人，样本量小，真实场景中的交互质量和可用性是否达标？
• 代码是否真的可用，以及支持哪些 Misty 硬件型号和技能库？
• 与单智能体相比，多智能体架构带来的额外延迟和成本是否可接受？