UFO^3: Het Weven van het Digitale Agentenuniversum
UFO^3: Weaving the Digital Agent Galaxy
November 14, 2025
Auteurs: Chaoyun Zhang, Liqun Li, He Huang, Chiming Ni, Bo Qiao, Si Qin, Yu Kang, Minghua Ma, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang
cs.AI
Samenvatting
Door grote taalmodellen (LLM's) aangedreven agents transformeren digitale apparaten van passieve tools naar proactieve, intelligente collaboratoren. De meeste bestaande frameworks blijven echter beperkt tot één besturingssysteem of apparaat, waardoor workflows over meerdere apparaten broos en grotendeels handmatig blijven. Wij presenteren UFO^3, een systeem dat heterogene eindpunten - desktops, servers, mobiele apparaten en edge-apparaten - verenigt in een enkele orchestratielaag. UFO^3 modelleert elk gebruikersverzoek als een veranderlijke TaskConstellation: een gedistribueerde DAG van atomare subtaken (TaskStars) met expliciete controle- en data-afhankelijkheden (TaskStarLines). De TaskConstellation evolueert continu naarmate resultaten binnenstromen van gedistribueerde apparaten, wat asynchrone uitvoering, adaptief herstel en dynamische optimalisatie mogelijk maakt. Een Constellation Orchestrator voert taken veilig en asynchroon uit terwijl dynamische DAG-updates worden toegepast, en het Agent Interaction Protocol (AIP) biedt persistente, low-latency kanalen voor betrouwbare taakdispatch en resultaatstreaming. Deze ontwerpen doorbreken de traditionele grenzen tussen apparaten en platformen, waardoor agents naadloos kunnen samenwerken en hun collectieve intelligentie kunnen versterken.
Wij evalueren UFO^3 op NebulaBench, een benchmark met 55 taken over meerdere apparaten, verspreid over 5 machines en 10 categorieën. UFO^3 behaalt 83,3% subtaskvoltooiing, 70,9% tasksucces, onthult parallellisme met een gemiddelde breedte van 1,72, en reduceert de end-to-end latentie met 31% ten opzichte van een sequentiële baseline. Fault-injection experimenten tonen een elegante degradatie en herstel aan onder tijdelijke en permanente agentstoringen. Deze resultaten tonen aan dat UFO^3 accurate, efficiënte en veerkrachtige taakorchestratie over heterogene apparaten bereikt, geïsoleerde agents verenigt in een coherente, adaptieve computerlaag die zich uitstrekt over het landschap van ubiquitous computing.
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.