Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks

📄 arXiv: 2607.09330v1 📥 PDF

作者: Nuocheng Yang, Sihua Wang, Zihan Chen, Tony Q. S. Quek, Changchuan Yin

分类: cs.AI, cs.MA

发布日期: 2026-07-10

备注: 14 pages, 6 figures, 5 tables

💡 一句话要点

提出LDT-Coord以解决异构LLM代理协调中的通信效率问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 异构代理 数字双胞胎 协调机制 通信效率 大型语言模型 多代理系统 智能制造 物理人工智能

📋 核心要点

  1. 现有的异构LLM代理协调框架依赖多轮对话，导致通信开销随团队规模迅速增长，影响效率。
  2. 本文提出LDT-Coord框架，通过轻量级数字双胞胎解耦协调性能与自然语言推理能力，提升协调效率。
  3. 实验表明，LDT-Coord在任务成功率上与传统方法相当，但通信开销减少超过70倍，且在异构环境中表现鲁棒。

📝 摘要（中文）

随着异构大型语言模型（LLMs）驱动的具身代理团队在智能工厂、仓库和服务机器人等物理人工智能领域的广泛应用，如何在有限的网络资源下实现高效的协调机制成为关键。然而，现有的基于多轮自然语言对话的协调框架存在通信开销大、协调质量受限于代理能力异构性以及因迭代协商导致的行动延迟等问题。为此，本文提出了一种基于轻量级数字双胞胎（DT）的网络协调框架LDT-Coord。每个代理独立选择意图行动并将决策及时间约束报告给DT服务器，从而将协调性能与自然语言推理能力解耦。DT通过无训练的规则基础调度算法解决跨代理冲突，并返回协调指令。实验结果表明，LDT-Coord在任务成功率上与传统方法相当，同时通信开销减少超过70倍，并在LLM异构性下保持鲁棒性。

🔬 方法详解

问题定义：本文旨在解决异构LLM代理团队在有限网络资源下的高效协调问题。现有方法面临的主要痛点包括通信开销大、协调质量受限于代理能力的异构性，以及因迭代协商导致的行动延迟。

核心思路：LDT-Coord框架的核心思路是通过轻量级数字双胞胎（DT）来解耦代理的协调性能与其自然语言推理能力。每个代理独立选择行动并报告给DT，从而减少多轮对话带来的通信负担。

技术框架：LDT-Coord的整体架构包括代理选择意图行动、报告决策及时间约束给DT服务器，DT执行无训练的规则基础调度算法解决跨代理冲突，并返回协调指令。

关键创新：LDT-Coord的主要创新在于通过数字双胞胎的方式实现了协调性能与自然语言推理的解耦，显著降低了通信开销，并提高了协调效率。与现有方法相比，减少了多轮对话的需求。

关键设计：在设计上，LDT-Coord采用了约束部分可观察马尔可夫决策过程（C-POMDP）来优化代理报告控制，并使用PPO-Lagrangian算法进行求解，确保了在复杂环境下的有效协调。具体的参数设置和损失函数设计未在摘要中详细说明，需参考完整论文。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，LDT-Coord在任务成功率上与传统协调方法相当，但通信开销减少超过70倍，展现出在异构LLM环境下的优越性能和鲁棒性。这一成果为高效的多代理协调提供了新的思路和方法。

🎯 应用场景

该研究的潜在应用领域包括智能制造、物流管理和服务机器人等场景，能够有效提升异构代理团队的协作效率，降低通信成本，进而推动物理人工智能技术的广泛应用与发展。未来，LDT-Coord框架有望在更复杂的多代理系统中得到应用，进一步提升智能系统的协调能力。

📄 摘要（原文）

Embodied agent teams powered by heterogeneous large language models (LLMs) are being widely deployed in physical artificial intelligence such as smart factories, warehouses, and service robotics. To enable collaboration among such an agent team, efficient coordination mechanisms that operate reliably under limited network resources are required. However, existing heterogeneous LLM-agent coordination frameworks that rely on multi-round natural-language-based conversations introduce three coupled challenges. First, inter-agent dialogue incurs communication overhead that grows rapidly with team size. Second, the quality of coordination is constrained by the heterogeneous capabilities of the agent team's LLMs. Third, agents may suffer from action delays due to iterative negotiation. To address these challenges, we propose LDT-Coord, a networked coordination framework built upon a lightweight digital twin (DT). Specifically, each agent independently selects its intended action and reports both the action decision and a structured temporal constraint over shared resources to the DT server, thereby decoupling coordination performance from natural-language reasoning ability. Then, DT executes a training-free, rule-based orchestrator algorithm to resolve cross-agent conflicts and returns coordination instructions to prevent such conflicts. To further reduce communication overhead, we formulate agent reporting control as a constrained partially observable Markov decision process (C-POMDP) and solve it with the PPO-Lagrangian algorithm. Simulation results show that LDT-Coord achieves a task success rate comparable to conventional coordination methods while reducing communication overhead by more than 70x and maintaining robustness under LLM heterogeneity.