適応的ドメインモデリングと言語モデル：タスク計画へのマルチエージェントアプローチ

要旨

我々はTAPAS（Task-based Adaptation and Planning using AgentS）を紹介する。これは、大規模言語モデル（LLMs）と記号的プランニングを統合し、手動で定義された環境モデルを必要とせずに複雑なタスクを解決するマルチエージェントフレームワークである。TAPASは、構造化されたツール呼び出しメカニズムを使用して、必要に応じてドメインモデル、初期状態、および目標仕様を協調的に生成および適応させる専門のLLMベースのエージェントを採用している。このツールベースの相互作用を通じて、下流のエージェントは上流のエージェントに変更を要求することができ、手動でのドメイン再定義なしに新しい属性や制約に適応することが可能となる。ReAct（Reason+Act）スタイルの実行エージェントと自然言語プラン翻訳を組み合わせることで、動的に生成されたプランと現実世界のロボット能力とのギャップを埋める。TAPASは、ベンチマークプランニングドメインおよびVirtualHomeシミュレーション環境において優れた性能を示している。

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.

適応的ドメインモデリングと言語モデル：タスク計画へのマルチエージェントアプローチ

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

要旨

Support