CoAct-1: Computergebruikende agents met coderen als acties

Samenvatting

Autonome agents die computers bedienen via Grafische Gebruikersinterfaces (GUI's) worstelen vaak met efficiëntie en betrouwbaarheid bij complexe, langetermijntaken. Hoewel het uitrusten van deze agents met planners de taakdecompositie kan verbeteren, blijven ze beperkt door de inherente beperkingen van het uitvoeren van alle acties via GUI-manipulatie, wat leidt tot broosheid en inefficiëntie. In dit werk introduceren we een robuuster en flexibeler paradigma: het mogelijk maken voor agents om codering te gebruiken als een verbeterde actie. We presenteren CoAct-1, een nieuw multi-agent systeem dat GUI-gebaseerde controle synergetisch combineert met directe programmatische uitvoering. CoAct-1 beschikt over een Orchestrator die subtaken dynamisch delegeert aan een conventionele GUI Operator of een gespecialiseerde Programmer agent, die Python- of Bash-scripts kan schrijven en uitvoeren. Deze hybride aanpak stelt de agent in staat inefficiënte GUI-actiesequenties te omzeilen voor taken zoals bestandsbeheer en gegevensverwerking, terwijl visuele interactie nog steeds wordt benut wanneer nodig. We evalueren ons systeem op de uitdagende OSWorld-benchmark, waar CoAct-1 een nieuwe state-of-the-art slagingspercentage van 60,76% behaalt, wat aanzienlijk beter is dan eerdere methoden. Bovendien verbetert onze aanpak de efficiëntie aanzienlijk, door het gemiddelde aantal stappen dat nodig is om een taak te voltooien te reduceren tot slechts 10,15, vergeleken met 15 voor toonaangevende GUI-agents. Onze resultaten tonen aan dat het integreren van codering als een kernactie een krachtiger, efficiënter en schaalbaarder pad biedt naar gegeneraliseerde computerautomatisering.

English

Autonomous agents that operate computers via Graphical User Interfaces (GUIs) often struggle with efficiency and reliability on complex, long-horizon tasks. While augmenting these agents with planners can improve task decomposition, they remain constrained by the inherent limitations of performing all actions through GUI manipulation, leading to brittleness and inefficiency. In this work, we introduce a more robust and flexible paradigm: enabling agents to use coding as a enhanced action. We present CoAct-1, a novel multi-agent system that synergistically combines GUI-based control with direct programmatic execution. CoAct-1 features an Orchestrator that dynamically delegates subtasks to either a conventional GUI Operator or a specialized Programmer agent, which can write and execute Python or Bash scripts. This hybrid approach allows the agent to bypass inefficient GUI action sequences for tasks like file management and data processing, while still leveraging visual interaction when necessary. We evaluate our system on the challenging OSWorld benchmark, where CoAct-1 achieves a new state-of-the-art success rate of 60.76%, significantly outperforming prior methods. Furthermore, our approach dramatically improves efficiency, reducing the average number of steps required to complete a task to just 10.15, compared to 15 for leading GUI agents. Our results demonstrate that integrating coding as a core action provides a more powerful, efficient, and scalable path toward generalized computer automation.

CoAct-1: Computergebruikende agents met coderen als acties

CoAct-1: Computer-using Agents with Coding as Actions

Samenvatting

Support