Adaptive Domänenmodellierung mit Sprachmodellen: Ein Multi-Agenten-Ansatz zur Aufgabenplanung
Adaptive Domain Modeling with Language Models: A Multi-Agent Approach to Task Planning
June 24, 2025
Autoren: Harisankar Babu, Philipp Schillinger, Tamim Asfour
cs.AI
Zusammenfassung
Wir stellen TAPAS (Task-based Adaptation and Planning using AgentS) vor, ein Multi-Agenten-Framework, das Large Language Models (LLMs) mit symbolischer Planung integriert, um komplexe Aufgaben zu lösen, ohne manuell definierte Umweltmodelle zu benötigen. TAPAS nutzt spezialisierte LLM-basierte Agenten, die kollaborativ Domänenmodelle, Ausgangszustände und Zielvorgaben nach Bedarf mithilfe strukturierter Tool-Calling-Mechanismen generieren und anpassen. Durch diese werkzeugbasierte Interaktion können nachgelagerte Agenten Änderungen von vorgelagerten Agenten anfordern, wodurch eine Anpassung an neue Attribute und Einschränkungen ohne manuelle Neudefinition der Domäne ermöglicht wird. Ein ReAct (Reason+Act)-stiliger Ausführungsagent, gekoppelt mit der Übersetzung von Plänen in natürlicher Sprache, überbrückt die Lücke zwischen dynamisch generierten Plänen und den Fähigkeiten von Robotern in der realen Welt. TAPAS zeigt eine starke Leistung in Benchmark-Planungsdomänen sowie in der VirtualHome-Simulationsumgebung für die reale Welt.
English
We introduce TAPAS (Task-based Adaptation and Planning using AgentS), a
multi-agent framework that integrates Large Language Models (LLMs) with
symbolic planning to solve complex tasks without the need for manually defined
environment models. TAPAS employs specialized LLM-based agents that
collaboratively generate and adapt domain models, initial states, and goal
specifications as needed using structured tool-calling mechanisms. Through this
tool-based interaction, downstream agents can request modifications from
upstream agents, enabling adaptation to novel attributes and constraints
without manual domain redefinition. A ReAct (Reason+Act)-style execution agent,
coupled with natural language plan translation, bridges the gap between
dynamically generated plans and real-world robot capabilities. TAPAS
demonstrates strong performance in benchmark planning domains and in the
VirtualHome simulated real-world environment.