随着团队规模扩大、成员日益多样化、任务持续时间不断延长，协调具身智能体变得越来越困难。每个智能体都能贡献独特的能力、执行动作和观测结果，但同时也会带来任务分配、通信、时序安排和资源使用等方面的额外决策。在小型同质团队中，一名管理者可以直接为每个智能体分配工作。然而，在大型异构团队中，管理者必须同时跟踪众多工作者的状态，根据其能力进行推理，维护任务之间的时间依赖关系，并在环境或信息发生变化时重新调整分工。
组织具身人工集体的挑战
此外，这些需求并不只由团队规模决定。工作的结构同样重要。有些任务天然可以拆分。多架无人机可以分别搜索不同区域，多名消防员也可以并行清除不同障碍。另一些任务则包含前置关系：必须先定位火灾，才能运送队伍；直升机必须完成上一项运输任务并卸下载荷，才能接受新的任务；必须先确定通行路线，才能安全部署地面单位。
复杂任务往往同时包含这两种形式。任务还可能在执行过程中动态变化，例如环境突变、智能体或通信链路丢失，以及新信息逐步出现。因此，人工组织必须在各阶段内部协调并行工作，同时保持阶段之间的依赖关系，并不断调整整体协同方式。
因此，挑战不仅在于制定更好的计划，还在于确定一种能够匹配任务、人员以及各项活动之间关系的组织结构。这要求系统判断哪些智能体应当编组、哪些管理者应当负责监督、需要设置多少管理层级，以及每个团队应采用何种协调方式。
组织智能测试平台
我们在 CREW-Wildfire 的扩展版本中研究人工组织。CREW-Wildfire 是一个具身环境，最初用于评估基于语言模型的智能体开展大规模具身协作的能力。原始环境引入了程序生成的野火场景和 12 个任务等级，涵盖树木清除、侦察、运输、平民救援、灭火以及综合野火响应；小型和大型变体共形成 16 种基准配置。
我们将该基准扩展为 25 项任务，以覆盖更广泛的组织需求，包括更大的团队规模、异构人员构成、更长的规划时域、多阶段目标，以及执行过程中的意外变化。
CREW-Wildfire 运行于程序生成的景观中，并通过随机种子控制确保结果可复现。系统会同时生成描述海拔、湿度和风力的连续场，以及森林、灌木、陆地和水域等离散地形与地表覆盖类型。聚落及其他与任务相关的特征则根据场景种子进行布置。这些变量会改变危险源与资源的空间分布，并影响火势演化，使得相同的高层目标可能需要不同的搜索、运输和干预策略。
野火通过元胞自动机过程动态演化，其局部蔓延取决于地形坡度、植被、湿度和风力等环境条件。因此，随着任务推进，火势可能以不同方向、不同速度扩张。
对于本文研究的组织问题而言，这种动态性至关重要。任务早期收集的观测可能很快过时，通行路线可能变得危险，而侦察、运输、救援、围堵和直接灭火的相对紧迫性也会随时间变化。因此，团队不仅需要在空间维度上进行协调，还必须应对不断演化的物理过程。
CREW-Wildfire 包含四类能力互补的工作者：
- 消防员是通用型地面智能体，可以清除植被、救援平民、补充水源并直接扑灭火灾。
- 推土机能够高效清除植被，但无法救援平民或扑灭火灾。
- 无人机可以快速开展大范围侦察，但不具备实体干预能力。
- 直升机提供远距离机动能力，可以运输消防员，并支持以水为基础的作业。
这些扩展旨在使该基准特别适合组织研究。例如，稀疏的树木清除任务主要检验能否将工作分配给彼此独立的智能体。直升机—消防员运输任务要求不同角色协作，并在交接环节保持同步。搜索与救援任务则要求后续行动依赖侦察阶段获得的信息。火灾围堵任务需要具备不同干预能力的地面工作者共同参与。
最复杂的灭火任务要求在一段时间内协调侦察、资源获取、救援、运输、部署、防火带建设和直接灭火。因此，25 项任务的差异不仅体现在传统意义上的难度，还体现在它们所要求的协调结构上。
面向任务的组织层级
给定任务描述——即提供给组织系统的任务要求——一组可用工作者——即可供分配的具身智能体——及其能力——即每名工作者能够执行的动作和承担的角色——ORCH 会构建一个以根节点为起点、以树表示的组织层级。
树的叶节点对应可用的具身工作者，其他节点则对应管理者。该层级可以由人类专家设计，也可以由语言模型生成。
每种层级团队组织都针对具体任务设计。对于工作者数量较少的简单任务，可以采用浅层结构，由一名管理者监督所有工作者。规模更大的任务则可以形成“团队中的团队”：根管理者负责监督多名中间管理者，而每名中间管理者负责一组结构连贯的子团队或子目标。
生成过程鼓励在保持组织尽可能简单的同时，仅在以下情况下引入额外的分解：一名管理者需要协调过多彼此独立的工作者，或任务包含彼此区分且相互依赖的子目标。
组织结构一旦构建完成，就会作为执行过程的支架。未来可以进一步探索在任务推进过程中动态改变组织结构。本文是将人类组织理论纳入其中的初步尝试，因此暂不讨论这一方向。
虽然结构在构建完成后会针对给定任务保持不变，但随着任务推进，当前计划、阶段和分工仍然可以发生变化。因此，执行过程中的适应依然能够通过组织内部流动的信息、决策及其后果实现。
通过层级通信实现闭环执行
为了让“团队中的团队”在环境和任务状态不断变化时保持一致，ORCH 会持续将局部进展向上汇报，并通过层级结构向下传递更新后的决策。在每个环境步骤中，系统交替执行自下而上的状态汇报阶段和自上而下的规划阶段。
在自上而下的阶段，决策从根节点逐层传递至叶节点。横向管理者会直接在子节点之间分配并行任务。纵向管理者则首先评估当前阶段以及后续阶段的顺序，再分配当前阶段所需的工作。
在计划最终确定前，子节点会评估所分配角色是否可行，以及是否与自身能力相符。如果发现可执行的问题，子节点可以向管理者提出异议；管理者随后会修订计划，直到不再发现冲突。之后，工作者将已接受的分工与当前观测转化为环境动作，并同时执行这些动作。
这种双向协议为每名管理者提供了与其职责相关的状态压缩视图。工作者无需处理整个集体的完整通信历史，根管理者也无需直接控制每个物理动作。
因此，层级结构既是决策劳动的分工机制，也是信息处理结构。ORCH 保留了每个工作者智能体及子团队的自主行动能力，同时支持对大型团队执行复杂任务进行层级化规划与协调。
组织原则提升集体表现
这是一个重要结果，因为这六项指标揭示了系统可能存在的不同权衡。系统可以通过发起更多模型查询、生成更长消息或进行更多低效探索来提高最终表现。
ORCH 没有表现出这种权衡。ORCH 在提升任务结果和执行速度的同时，在计算效率与通信效率方面超过或接近最佳方法。因此，组织原则不仅改善了团队完成的任务，也提高了集体决策的生成效率。
人工与自动组织设计
这些结果揭示了两个重要现象。第一，将组织理论纳入层级团队设计的 ORCH 核心思想带来了明显优势，因为 ORCH 的所有团队都获得了性能提升。
第二，自动化组织设计前景可期，但仍有改进空间。通过强制满足可行性和简洁性约束，评估器可以改进生成的层级结构。然而，语言模型生成的组织与专家设计的组织之间仍存在差距。这一差距构成了人工集体智能未来研究的一个具体前沿。
通信历史与失败模式分析
在 ORCH 内部，三个变体进一步说明，层级设计对于决定失败模式至关重要。任务分配失败率从采用人类专家层级时的 8.4%，大幅上升至采用语言模型生成层级时的 21.0%，以及不使用评估器时的 29.6%。
适应失败率则分别从 13.6% 上升至 17.6% 和 18.8%。这种持续下降表明，ORCH 高度依赖层级质量；设计更优的层级能够在多智能体执行过程中实现更可靠的任务分解、分配与适应。
讨论
我们的结果表明，源自人类组织理论的原则能够提升具身人工智能体的集体智能。在 25 项任务、8 个语言模型、重复随机种子和 4 个对比系统上，围绕汇聚型依赖和序列型依赖组织的团队都取得了更好的结果，更高效地积累进展，更有效地进行探索，同时保持了具有竞争力的计算资源使用效率。
这些优势在不同语言模型和任务变体中都持续存在，并且在要求大型异构团队协调并行工作与有序工作的复杂任务中尤为明显。
这些发现还揭示了由大语言模型驱动的多智能体具身系统中，分析单位的一个重要方面。一个集体的表现往往被归因于其成员的智能、个体策略的质量，或可用通信量的多少。
ORCH 表明，权力、信息与责任的配置同样是一个重要变量。当相同的工作者和底层语言模型遵循不同的组织原则时，可能产生不同的集体结果。
强调组织理论带来了一个重要认识：用于指导人类组织的原则，同样有望显著增强多智能体 AI 团队。我们将汇聚型依赖和序列型依赖转化为可执行的协调机制。
汇聚型工作由负责分配并行贡献的管理者表示，序列型工作则由负责维护有序阶段和完成条件的管理者表示。二者结合后，组织结构便能够映射具身任务中混合的依赖模式。
尽管其基本原则十分明确，层级化和“团队中的团队”结构仍支持大型异构团队进行递归式、复杂的组合，从而扩展到更加复杂的任务。
我们发现，个体能力与集体能力之间存在一种有趣的关系。底层语言模型对性能有显著影响，但模型规模并不能单调预测集体质量。在其他条件相同的情况下，中等规模模型在组织指导下作为集体运行时，可能胜过更大的模型。
这表明，将语言模型作为孤立推理者进行评估，未必能够完整刻画其参与有组织具身系统的能力。集体表现还取决于角色遵循、简洁汇报、计划适应，以及围绕物理依赖关系开展协调等特性。
尽管未来仍有许多方向值得探索，但我们结果的规模和一致性支持一个清晰的愿景：人工集体智能的进步不仅需要让单个智能体变得更强，也需要探索如何组织这些智能体。
我们的工作表明，人类组织能够提供有价值的启示。当具身系统从小型同质群体扩展为由专业化智能体组成的大型团队时，组织设计可能与模型架构或规划算法同等重要。为理解人类组织而发展出的原则，可以成为这门新兴的人工组织计算科学的起点。
致谢
感谢杜克大学 General Robotics Lab 的成员提供富有帮助的讨论和建议。
经费支持：本研究得到 ARL STRONG 项目资助，项目编号为 W911NF2320182、W911NF2220113 和 W911NF242021；得到 DARPA TIAMAT 项目资助，项目编号为 HR00112490419；并得到 ARO 资助，项目编号为 W911NF2410405。
作者贡献：B.C.、Z.J. 和 J.H. 构思并设计了本研究。Z.J. 和 J.H. 设计了仿真并开展实验。Z.J.、J.H. 和 B.C. 分析了数据。Z.J. 和 B.C. 撰写了论文。所有作者均提出了反馈意见。
利益冲突：作者声明不存在利益冲突。
数据、代码与材料可用性：完整代码和数据可在作者的项目代码仓库中获取。
补充材料：方法图 S1–S24、表 S1–S3、补充文本以及补充视频 S1。
常见问题
什么是 ORCH？ ORCH 是一个为协调具身人工智能体而构建面向任务的组织层级系统。
ORCH 使用什么环境进行评估？ ORCH 在 CREW-Wildfire 的扩展版本中进行了评估。CREW-Wildfire 是一个用于大规模具身协作的程序生成环境。
CREW-Wildfire 包含哪些具身工作者类型？ 该环境包含消防员、推土机、无人机和直升机，它们具备互补能力。
ORCH 如何在执行过程中协调智能体？ ORCH 在自下而上的状态汇报与自上而下的规划之间交替运行，通过层级结构传递决策，并让工作者同时采取行动。