知识卡片：DuoMind：通过语义通信实现分布式多机器人协调

一句话结论

DuoMind 是一个面向多机器人协调的分布式分层框架：每个机器人用 VLM 编排器做高层推理与机器人间语义通信，用 VLA 动作模型做低层执行，并配套提出长时程操作基准 RoboPoly。

事件概述或研究问题

VLM 与 VLA 近期推动了通用机器人的快速进展，但多数进展集中在单机器人场景。将这类能力扩展到多机器人系统仍然困难，因为机器人既要协调长时程行为，又要保持可靠、细粒度的执行。DuoMind 试图解决这一问题；同时，多机器人协调基准稀缺，因此作者进一步开发 RoboPoly。

方法/产品要点

• 每个机器人包含两类模型：VLA-based action model 用于低层执行；VLM-based orchestrator 用于高层推理和智能体间协调。
• 在每个规划步骤，编排器基于任务指令、局部观察和其他机器人发来的消息进行推理。
• 编排器会生成两类输出：给动作模型的低层指令，以及给同伴机器人的语义消息。
• 该架构利用预训练模型的互补优势：VLM 的语义推理能力 + VLA 的精确动作生成能力。
• RoboPoly 是一个包含长时程操作任务的基准，要求在分布式控制下进行协调、闭环执行。

主要结果或产业意义

在 RoboPoly 和 RoboTwin 上的实验表明，DuoMind 改善了多机器人任务表现；消融研究确认了分层编排和语义通信的贡献。具体性能提升幅度、基线对比、任务数量、成功率、实时性、部署成本等，摘要未提供，待核实。产业意义方面，若后续可复现，该路线可能为多机器人系统如何组合基础模型的高层推理与低层执行提供参考。

为什么重要

多机器人协调需要在分布式条件下处理长时程行为与细粒度执行，单机器人基础模型能力不能直接等同于多机器人协调能力。DuoMind 的重要性在于将 VLM 高层编排、VLA 低层动作与机器人间语义通信整合为一个分层框架；RoboPoly 则针对多机器人协调评测缺口提供 benchmark。其实际影响力仍取决于后续复现与真实系统验证。

局限与不确定性

• 仅依据来源摘要，未提供具体实验数据、基线、任务数量与评价指标，性能优势幅度待核实。
• 语义消息格式、通信协议、带宽/延迟要求、分布式控制实现细节待核实。
• VLM/VLA 的模型规模、训练方式、推理成本、是否开源、项目页链接待核实。
• RoboPoly 的任务构成、难度划分、许可与复现条件待核实。
• 预印本/同行评审状态、作者机构信息待核实。

可用于图书/PPT/简报的角度

• 从单机器人基础模型到多机器人协调的扩展挑战。
• “VLM 编排器 + VLA 执行器”的分层机器人架构。
• 语义通信在多机器人协作中的角色：用语义消息支持智能体间协调。
• RoboPoly：面向长时程、闭环、分布式多机器人操作任务的 benchmark。
• 通过消融研究理解分层编排与语义通信分别带来什么贡献。

原始材料

• 英文标题：DuoMind: Enabling Distributed Multi-Robot Coordination with Semantic Communication
• 英文关键词/术语：Vision-language models (VLMs); vision-language-action models (VLAs); multi-robot coordination; semantic communication; distributed hierarchical framework; VLA-based action model; VLM-based orchestrator; RoboPoly; RoboTwin
• arXiv ID：2610.02161v1
• Authors：Hanchu Zhou, Dechen Gao, Hang Wang, Brendan Lynch, Boqi Zhao, Qiyao Ma, Raman Goyal, Junshan Zhang
• Published：2026-10-01T17:53:09Z；Updated：2026-10-01T17:53:09Z
• Primary category：cs.RO；Categories：cs.RO, cs.AI
• Abstract URL：https://arxiv.org/abs/2610.02161v1
• PDF URL：https://arxiv.org/pdf/2610.02161v1
• 项目页：摘要称 project page 有更多细节，但来源未提供链接，待核实。