狭隘または雑然とした環境で複数のロボットが協調して動作する場合、固定的な隊形では障害物を乗り越えられないという課題があります。こうした複雑な環境での移動には、チーム全体が接続状態を保ちながら幾何学的な形状を継続的に変形させる「デフォーメーション」と、ロボットが部分グループに分割したり再度統合する「リコンフィギュレーション」という2つの相補的な行動が必要です。 従来の手法の多くは、これらの行動を独立してモデル化するか、手作りルールを通じて接続するか、あるいは各行動をいつ実行すべきかを判断する明確な幾何学的基準を欠いていました。このアプローチでは、複雑な環境下での隊形形状、接続性、効果的なチーム構成のオンライン変更に対応できず、結果として最適でない経路やデッドロック状態に陥りやすくなります。 研究チームが提案するEFLUXは、大規模言語モデル（LLM）を活用したエージェント型フレームワークで、自動かつ柔軟な多ロボット隊形ナビゲーションを実現します。EFLUXは構造化されたシーン表現を抽出し、LLMを用いてスケーリングやシアリングなどのデフォーメーション動作と、分割やマージなどのリコンフィギュレーション動作について統合的に推論します。これらの戦略は、生成・検証・修正の閉ループパイプラインを通じて、実行可能なロボット単位のウェイポイントに変換されます。 シミュレーションおよび実機実験の結果、EFLUXは制約のある環境での安全で連続的、かつ柔軟な隊形ナビゲーションを実現し、ベースラインと比較してデッドロックと移動失敗を削減しながら、一貫性のある多ロボット協調制御を維持することが実証されました。