TeamWeaver

TeamWeaver 把大语言模型（LLM）的语义任务分解与混合整数二次规划（MIQP）的约束优化结合起来，面向异构多机器人团队在动态环境中的任务分解、分配与重规划。

定位

在 EAI 工程中，TeamWeaver 作为外部规划器被调用：读取”任务指令 + 符号化世界状态”，输出”任务 DAG + 机器人分配”，再由 EAI / Nav2 / cmd_vel 等执行层执行。它不构建仿真场景，也不直接操作机器人。

核心流程

任务指令（自然语言） + SymbolicWorldState（符号化世界状态）
        ↓
DeepSeekSemanticDecomposer   LLM 语义分解任务 DAG
validate_plan_payload        能力/约束校验
PhaseScheduler               阶段/依赖调度
DynamicMIQPAllocator         机器人-任务分配（Gurobi，缺 license 回退匈牙利算法）
        ↓
TeamWeaverPlan（任务 DAG + 分配）→ EAI / Nav2 执行

闭环运行时，执行层把每项技能的成功/失败/超时通过 ExecutionFeedback 送回 TeamWeaverPipeline.accept_feedback()；管道据此推进阶段，必要时触发 replan() 重新分解与再分配（例如障碍阻塞、机器人失联等动态事件）。

在 EAI 中的使用

公开 API 由 TeamWeaver.eai_adapter 导出：TeamWeaverPipeline、DeepSeekSemanticDecomposer、DynamicMIQPAllocator、PhaseScheduler 等，纯 Python 实现，仅依赖 numpy / scipy / openai / httpx。使用前把 algorithm/ 加入 PYTHONPATH：

export PYTHONPATH="$PWD/algorithm:$PYTHONPATH"

代码、依赖与适配层测试见 algorithm/TeamWeaver/。

来源

算法源码仓库：TeamWeaver；EAI 内置副本位于 algorithm/TeamWeaver/。