Адаптивное моделирование доменов с использованием языковых моделей: Многоагентный подход к планированию задач

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

June 24, 2025

Авторы: Harisankar Babu, Philipp Schillinger, Tamim Asfour

cs.AI

Аннотация

Мы представляем TAPAS (Task-based Adaptation and Planning using AgentS) — многоагентную платформу, которая интегрирует большие языковые модели (LLM) с символическим планированием для решения сложных задач без необходимости ручного определения моделей среды. TAPAS использует специализированных агентов на основе LLM, которые совместно генерируют и адаптируют модели доменов, начальные состояния и спецификации целей по мере необходимости с помощью структурированных механизмов вызова инструментов. Благодаря такому инструментальному взаимодействию, агенты нижнего уровня могут запрашивать изменения у агентов верхнего уровня, что позволяет адаптироваться к новым атрибутам и ограничениям без ручного переопределения домена. Агент выполнения в стиле ReAct (Reason+Act), дополненный переводом планов на естественный язык, устраняет разрыв между динамически генерируемыми планами и реальными возможностями роботов. TAPAS демонстрирует высокую производительность в эталонных доменах планирования и в симулированной среде VirtualHome, моделирующей реальный мир.

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.