UFO^3: Das Weben der digitalen Agentengalaxie
UFO^3: Weaving the Digital Agent Galaxy
November 14, 2025
papers.authors: Chaoyun Zhang, Liqun Li, He Huang, Chiming Ni, Bo Qiao, Si Qin, Yu Kang, Minghua Ma, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang
cs.AI
papers.abstract
Von großen Sprachmodellen (LLM) gesteuerte Agenten verwandeln digitale Geräte von passiven Werkzeugen in proaktive, intelligente Kollaborateure. Allerdings sind die meisten bestehenden Frameworks nach wie vor auf ein einzelnes Betriebssystem oder Gerät beschränkt, was geräteübergreifende Workflows anfällig und größtenteils manuell macht. Wir stellen UFO^3 vor, ein System, das heterogene Endpunkte – Desktops, Server, mobile Geräte und Edge-Devices – in einem einzigen Orchestrierungs-Fabric vereint. UFO^3 modelliert jede Benutzeranfrage als eine veränderbare TaskConstellation: einen verteilten DAG (gerichteten azyklischen Graphen) aus atomaren Teilaufgaben (TaskStars) mit expliziten Kontroll- und Datenabhängigkeiten (TaskStarLines). Die TaskConstellation entwickelt sich kontinuierlich weiter, während Ergebnisse von verteilten Geräten eintreffen, was asynchrone Ausführung, adaptive Fehlerbehebung und dynamische Optimierung ermöglicht. Ein Constellation Orchestrator führt Aufgaben sicher und asynchron aus und wendet dabei dynamische DAG-Aktualisierungen an, während das Agent Interaction Protocol (AIP) persistente, latenzarme Kanäle für zuverlässige Aufgabenverteilung und Ergebnisstreaming bereitstellt. Diese Designs lösen die traditionellen Grenzen zwischen Geräten und Plattformen auf und ermöglichen es Agenten, nahtlos zusammenzuarbeiten und ihre kollektive Intelligenz zu verstärken.
Wir evaluieren UFO^3 auf NebulaBench, einem Benchmark mit 55 geräteübergreifenden Aufgaben über 5 Maschinen und 10 Kategorien hinweg. UFO^3 erreicht eine Teilaufgaben-Abschlussrate von 83,3 %, eine Aufgaben-Erfolgsrate von 70,9 %, erschließt Parallelität mit einer durchschnittlichen Breite von 1,72 und reduziert die End-to-End-Latenz um 31 % im Vergleich zu einer sequenziellen Baseline. Fehlerinjektionsexperimente demonstrieren einen graceful degradation und Recovery bei transienten und permanenten Agentenausfällen. Diese Ergebnisse zeigen, dass UFO^3 eine präzise, effiziente und widerstandsfähige Aufgabenorchestrierung über heterogene Geräte hinweg erreicht und isolierte Agenten zu einem kohärenten, adaptiven Computing-Fabric vereint, das sich über die Landschaft des Ubiquitous Computing erstreckt.
English
Large language model (LLM)-powered agents are transforming digital devices from passive tools into proactive intelligent collaborators. However, most existing frameworks remain confined to a single OS or device, making cross-device workflows brittle and largely manual. We present UFO^3, a system that unifies heterogeneous endpoints, desktops, servers, mobile devices, and edge, into a single orchestration fabric. UFO^3 models each user request as a mutable TaskConstellation: a distributed DAG of atomic subtasks (TaskStars) with explicit control and data dependencies (TaskStarLines). The TaskConstellation continuously evolves as results stream in from distributed devices, enabling asynchronous execution, adaptive recovery, and dynamic optimization. A Constellation Orchestrator} executes tasks safely and asynchronously while applying dynamic DAG updates, and the Agent Interaction Protocol (AIP) provides persistent, low-latency channels for reliable task dispatch and result streaming. These designs dissolve the traditional boundaries between devices and platforms, allowing agents to collaborate seamlessly and amplify their collective intelligence.
We evaluate UFO^3 on NebulaBench, a benchmark of 55 cross-device tasks across 5 machines and 10 categories. UFO^3 achieves 83.3% subtask completion, 70.9% task success, exposes parallelism with an average width of 1.72, and reduces end-to-end latency by 31% relative to a sequential baseline. Fault-injection experiments demonstrate graceful degradation and recovery under transient and permanent agent failures. These results show that UFO^3 achieves accurate, efficient, and resilient task orchestration across heterogeneous devices, uniting isolated agents into a coherent, adaptive computing fabric that extends across the landscape of ubiquitous computing.