Late Autumn：LLM 智能体为单一仓库定制通用多机器人规划器

Late Autumn 研究 LLM 编码智能体能否通过自主研究，把通用多机器人规划器针对单个仓库站点做专门化，以牺牲通用性换取吞吐量。实验在模拟现有自动化仓库布局的地面上，对结合任务分配与多智能体路径规划（MAPF）的终身规划器开展六轮实验。结果显示：智能体将吞吐量提升 22%–60%，增益在未见随机种子上保持；它们重新发现了走廊出口优先级、局部引导和 rollout 等已知 MAPF 机制，不同实验独立定位到同一瓶颈；增益大体可迁移到另一布局、更大车队和其他服务时间，在更小车队下缩小，在出库偏重的需求组合下基本消失。