Evoluci´on de los Sistemas Rob´oticos Multi-Agente: Del Control Distribuido a los Modelos de Lenguaje de Gran Escala.

Resumen

Los Sistemas Robóticos Multi-Agente (Multi-Agent Robotic Systems, MARS) han surgido como una respuesta a la creciente demanda de cooperación, escalabilidad y robustez en aplicaciones donde múltiples robots deben actuar de forma coordinada en entornos dinámicos. Tradicionalmente, estos sistemas se han basado en arquitecturas de control distribuido y métodos algorítmicos de coordinación, que, si bien ofrecen garantías formales, presentan limitaciones frente a misiones abiertas, entornos no estructurados y sistemas heterogéneos. En los últimos años, la incorporación de enfoques basados en aprendizaje, así como de Modelos de Lenguaje de Gran Escala (Large Language Models, LLMs), han abierto nuevas posibilidades para dotar a los MARS de capacidades de inferencia basada en lenguaje, planificación de alto nivel y comunicación flexible. Estas arquitecturas permiten combinar ejecución distribuida con coordinación cognitiva centralizada, dando lugar a esquemas de control híbridos que integran aprendizaje, deliberación y control físico. Este artículo presenta una revisión del estado del arte que recorre la evolución desde sistemas robóticos individuales hasta MARS dirigidos por LLMs. La revisión de la literatura se organiza atendiendo a paradigmas de control, aprendizaje, arquitecturas de comunicación y mecanismos de ejecución, con el objetivo de identificar tendencias actuales y brechas abiertas de investigación relacionadas con seguridad, validación, simulación y diseño arquitectónico. De este modo, el trabajo proporciona una visión unificada del campo y orienta futuras líneas de investigación en robótica cooperativa cognitiva.