异构多机器人任务分配中的机器人-任务适配度比较研究
原标题：Robot-Task Suitability in Heterogeneous Multi-Robot Task Allocation
AI 摘要
该论文研究异构多机器人任务分配中的机器人-任务适配度估计问题，比较了10种确定性方法（基于规则、相似度、需求导向、集合和模糊方法）与2种基于大语言模型的变体。实验使用统一的机器人和任务画像，考察团队组成、规模、空间上下文、能力不确定性和任务表示变化下的评分、排序与可行性判断差异。结果显示各方法在相同场景下经常产生分歧，通用相似度度量可能违反单侧需求满足性质，LLM评分还引入随机性和语言敏感性，作者因此主张将适配度视为需要显式建模的选择。
正文节选
Robot–Task Suitability in Heterogeneous Multi-Robot Task Allocation Abstract Heterogeneous multi-robot task allocation depends on estimates of how suitable individual robots are for candidate tasks, yet suitability can be defined in substantially different ways. We compare ten deterministic methods and two LLM-based variants spanning rule-based, similarity-based, requirement-oriented, fuzzy, and semantic approaches. Using common robot and task profiles, we compare how the methods score and rank