적응형 도메인 모델링과 언어 모델: 작업 계획을 위한 다중 에이전트 접근법

초록

우리는 TAPAS(Task-based Adaptation and Planning using AgentS)를 소개합니다. TAPAS는 대규모 언어 모델(LLMs)과 기호적 계획을 통합하여 복잡한 작업을 해결하기 위한 다중 에이전트 프레임워크로, 수동으로 정의된 환경 모델 없이도 작동합니다. TAPAS는 구조화된 도구 호출 메커니즘을 통해 도메인 모델, 초기 상태 및 목표 사양을 필요에 따라 협력적으로 생성하고 적응시키는 전문화된 LLM 기반 에이전트를 사용합니다. 이 도구 기반 상호작용을 통해 하위 에이전트는 상위 에이전트에게 수정을 요청할 수 있으며, 이를 통해 새로운 속성과 제약 조건에 적응할 수 있게 되어 수동 도메인 재정의가 필요 없습니다. ReAct(Reason+Act) 스타일의 실행 에이전트와 자연어 계획 번역을 결합하여 동적으로 생성된 계획과 실제 로봇 기능 간의 격차를 해소합니다. TAPAS는 벤치마크 계획 도메인과 VirtualHome 시뮬레이션된 실제 환경에서 강력한 성능을 보여줍니다.

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.

적응형 도메인 모델링과 언어 모델: 작업 계획을 위한 다중 에이전트 접근법

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

초록

Support