通过对话对齐世界模型的具身多智能体协调

arXiv 2026 51.2 method, benchmark, application

TLDR

基于LLM的具身智能体通过对话对齐世界模型，减少冲突但降低任务成功率；新指标衡量对齐差距。

评分理由

The paper introduces a novel framework for measuring world-model alignment via dialogue in multi-agent coordination, with empirical results across three LLMs. Strengths include clear metrics and real-world benchmark (PARTNR), but task success degradation and limited scope (household robotics) are weaknesses.

Read-first 评分解释

综合优先阅读分 51.2，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 24。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、实验、指标、结果

引用影响力 18%

79.5

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.79485106

主题相关性 29%

34.3

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：305。

关键词评分

world model

interactive world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

generative world model

video world model

深度分析

创新点

将PARTNR基准扩展为包含自然语言对话通道，支持两个部分可观测的智能体进行通信
提出一个通过三个指标（观测收敛性、信息新颖性、信念敏感消息传递）衡量世界模型对齐的框架
实验证明对话可将动作冲突降低40–83个百分点，但会降低任务成功率，揭示了表面协调与真正世界模型对齐之间的差距

方法

作者通过添加自然语言对话通道扩展了协作家庭机器人基准PARTNR，使两个部分可观测的智能体在任务执行过程中能够通信。他们使用提出的世界模型对齐指标（观测收敛性、信息新颖性、信念敏感消息传递）以及动作冲突和任务成功率的常规度量，评估了三种基于LLM的智能体。

关键结果

与无声协调相比，对话将动作冲突降低了40至83个百分点，但在所有测试的三种LLM中均降低了任务成功率。

局限性

对话相对于无声协调降低了任务成功率，表明当前模型未能有效利用通信
研究仅评估了三种LLM，限制了结果的泛化性
基准局限于两个智能体、部分可观测的家庭机器人任务，结果可能不适用于其他领域或更大团队
提出的指标揭示了表面协调与真正世界模型对齐之间的差距，但论文未提供弥合这一差距的解决方案

资源

论文