Modelado de Dominios Adaptativos con Modelos de Lenguaje: Un Enfoque Multiagente para la Planificación de Tareas

Adaptive Domain Modeling with Language Models: A Multi-Agent Approach to Task Planning

June 24, 2025

Autores: Harisankar Babu, Philipp Schillinger, Tamim Asfour

cs.AI

Resumen

Presentamos TAPAS (Task-based Adaptation and Planning using AgentS), un marco de trabajo multiagente que integra Modelos de Lenguaje de Gran Escala (LLMs) con planificación simbólica para resolver tareas complejas sin la necesidad de modelos de entorno definidos manualmente. TAPAS emplea agentes especializados basados en LLMs que colaboran para generar y adaptar modelos de dominio, estados iniciales y especificaciones de objetivos según sea necesario, utilizando mecanismos estructurados de llamadas a herramientas. A través de esta interacción basada en herramientas, los agentes descendentes pueden solicitar modificaciones a los agentes ascendentes, permitiendo la adaptación a atributos y restricciones novedosos sin la redefinición manual del dominio. Un agente de ejecución estilo ReAct (Razonar+Actuar), junto con la traducción de planes en lenguaje natural, cierra la brecha entre los planes generados dinámicamente y las capacidades de los robots en el mundo real. TAPAS demuestra un rendimiento sólido en dominios de planificación de referencia y en el entorno simulado de VirtualHome.

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.