Adaptief Domeinmodelleren met Taalmodellen: Een Multi-Agent Benadering voor Taakplanning

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

June 24, 2025

Auteurs: Harisankar Babu, Philipp Schillinger, Tamim Asfour

cs.AI

Samenvatting

We introduceren TAPAS (Task-based Adaptation and Planning using AgentS), een multi-agent framework dat Large Language Models (LLM's) integreert met symbolische planning om complexe taken op te lossen zonder handmatig gedefinieerde omgevingsmodellen. TAPAS maakt gebruik van gespecialiseerde LLM-gebaseerde agents die gezamenlijk domeinmodellen, initiële staten en doel specificaties genereren en aanpassen waar nodig, met behulp van gestructureerde tool-aanroepmechanismen. Via deze tool-gebaseerde interactie kunnen downstream agents aanpassingen aanvragen bij upstream agents, waardoor aanpassing aan nieuwe attributen en beperkingen mogelijk is zonder handmatige herdefinitie van het domein. Een ReAct (Reason+Act)-stijl uitvoeringsagent, gekoppeld aan natuurlijke taalplanvertaling, overbrugt de kloof tussen dynamisch gegenereerde plannen en de mogelijkheden van robots in de echte wereld. TAPAS toont sterke prestaties in benchmark planningsdomeinen en in de VirtualHome gesimuleerde real-world omgeving.

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.