工业物联网环境中，移动机器人被广泛用于物料搬运、产品装配和设施巡检等任务。协同感知通过共享 LiDAR 观测，使机器人群体能够构建比单个机器人更完整的环境模型。然而，工业现场机器人位置不断变化，网络带宽波动，机器人对感知质量的边际贡献也随运行时而异。传统协同感知方法假设参与机器人静态不变，难以在保持检测精度的同时适应这些动态因素。CoAdapt 提出了一种自适应协同感知框架，核心是将大语言模型（LLM）用作运行时融合控制器。LLM 根据当前空间布局和网络状态，决定哪些机器人加入融合以及采用何种融合算法。为实现这一决策，系统先将原始 LiDAR 点云转换为结构化自然语言描述，随后 LLM 在无需任务特定训练的前提下进行推理，能够推广到未见过的群体拓扑结构。实验在 OPV2V 基准的 25 种场景中进行，结果显示 CoAdapt 在保持与静态基线相当的检测精度的同时，将通信开销降低了 38%。
点评