論文の概要: HearthNet: Edge Multi-Agent Orchestration for Smart Homes
- arxiv url: http://arxiv.org/abs/2604.09618v1
- Date: Mon, 16 Mar 2026 15:29:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.563669
- Title: HearthNet: Edge Multi-Agent Orchestration for Smart Homes
- Title（参考訳）: HearthNet: スマートホームのためのエッジマルチエージェントオーケストレーション
- Abstract要約: HearthNetは、スマートホームのためのエッジマルチエージェントオーケストレーションシステムである。
コンテキスト、実行履歴を外部化し、計画、検証、承認、動作を分離する。
プロトタイプはコモディティエッジハードウェアとAndroidデバイスで動作します。
- 参考スコア（独自算出の注目度）: 5.081228499547384
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smart-home users increasingly want to control their homes in natural language rather than assemble rules, dashboards, and API integrations by hand. At the same time, real deployments are brittle: devices fail, integrations break, and recoveries often require manual intervention. Existing agent toolkits are effective for session-scoped delegation, but smart-home control operates under a different scenario: it is persistent, event-driven, failure-prone, and tied to physical devices with no shared context window. We present HearthNet, an edge multi-agent orchestration system for smart homes. HearthNet deploys a small set of persistent, role-specialized LLM agents at the home hub, where they coordinate through MQTT, Git-backed shared state, and root-issued actuation leases to govern heterogeneous devices through thin adapters. This design externalizes context, preserves execution history, and separates planning, verification, authorization, and actuation across explicit boundaries. Our current prototype runs on commodity edge hardware and Android devices; it keeps orchestration, state management, and device control on-premise while using hosted LLM APIs for inference. We demonstrate the system through three live scenarios: intent-driven multi-agent coordination from ambiguous natural language, conflict resolution with timeline-based tracing, and rejection of stale or unauthorized commands before device actuation.
- Abstract（参考訳）: スマートホームのユーザは、ルールやダッシュボード、APIの統合を手作業で組み立てるのではなく、自然言語で自分の家をコントロールしたいと願っている。
デバイスがフェールし、統合が壊れ、リカバリがしばしば手作業による介入を必要とする。
既存のエージェントツールキットはセッションスコープによるデリゲートには有効だが、スマートホームコントロールは、永続的で、イベント駆動で、障害が発生し、共有コンテキストウィンドウのない物理デバイスに結びついている、という、異なるシナリオの下で動作している。
We present HearthNet, a edge multi-agent orchestration system for smart home。
HearthNetは、ホームハブに永続的でロールスペシャライズされたLLMエージェントの小さなセットをデプロイし、MQTT、Gitベースの共有ステート、ルート発行されたアクティベーションリースを通じて、薄いアダプタを通じて異種デバイスを管理する。
この設計はコンテキストを外部化し、実行履歴を保存し、明確な境界を越えて計画、検証、承認、動作を分離する。
当社の現在のプロトタイプは,コモディティエッジハードウェアとAndroidデバイス上で動作しています。オーケストレーションや状態管理,デバイスコントロールをオンプレミスで維持するとともに,ホストされたLLM APIを推論に使用しています。
本システムは,曖昧な自然言語からの意図駆動型マルチエージェントコーディネート,タイムラインベースのトレースによる競合解決,デバイスアクティベーション前における古いコマンドや不正コマンドの拒否,という3つのシナリオを通じて実演する。
関連論文リスト
- Unified Agent: Managing Interactions across Devices [9.506915293237284]
AIエージェントは、ひとつのアプリ内で実行されるものから、時間の経過とともにユーザのデバイスをまたがる動作へと移行できることを示す。
これは、観測がデバイスや瞬間に分散しているためである。
エージェントは、エンゲージメント証拠、記述された事実、および待機要求を組織する、効果的に設計された状態を維持すべきである、と我々は主張する。
私たちはこの原理を、デバイスや瞬間間で相互作用証拠を伝達するステートフルエージェントであるUnified Agentでインスタンス化し、現在の観察と組み合わせて行動します。
論文 参考訳（メタデータ） (2026-08-06T08:14:33Z) - IACM-RL: Intent-Aware Context Management and Reinforcement Learning for Complex Tool Invocation under Dynamic Intent Fluctuations [86.93902234336393]
IACM-RLは、堅牢なツール呼び出しのための包括的なフレームワークである。
我々は、13のきめ細かいゆらぎシナリオにまたがる軌道を合成するDynamicIntentパイプラインを導入する。
第2に、IACM-RLはBeliefStateベースのセルフ生成コンテキストマネージャをデプロイする。
論文 参考訳（メタデータ） (2026-08-03T12:09:50Z) - AnovaX: A Local, Multi-Agent Voice Assistant with LLM Planning, Typed Executors, and Adaptive Recovery [0.0]
AnovaXは、ユーザのコンピュータ上で完全に動作する、ローカルファーストの小さなアシスタントである。
すべてのツールは、独自のリトライポリシーと共有リソースロックを持つ特別なエージェントクラスに対応する。
コンパニオンサーバは、ローカルWiFi上で電話フレンドリーなリモコンを公開する。
論文 参考訳（メタデータ） (2026-07-16T18:09:36Z) - PalmClaw: A Native On-Device Agent Framework for Mobile Phones [16.173016265644673]
textbfPalmClawは、携帯電話上で動作し、セッション、メモリ、スキル、ツール、エージェントループを直接デバイス上で管理するオープンソースのエージェントフレームワークである。
PalmClawはデバイス機能を、明示的な引数、構造化された結果、明確に定義された実行バウンダリを備えたデバイスツールとして公開する。
実験では、タスクの成功率が11.5%向上し、最強のベースラインよりも94.9%の完了時間が短縮された。
論文 参考訳（メタデータ） (2026-07-14T17:58:57Z) - ClawArena-Team: Benchmarking Subagent Orchestration and Dynamic Workflows in Language-Model Agents [61.184954205350984]
ClawArena-Teamは、41のマルチターン、マルチモーダル、マルチエージェントシナリオのベンチマークである。
全体的なスコア -- Subagent-Management Score (SMS) -- は、タスクの正しさを最小限のプライマリとモダリティのルーティング因子によって乗算する。
論文 参考訳（メタデータ） (2026-06-30T06:06:08Z) - A hardware-safety-gated system for LLM-written native ARTIQ control code on a trapped-ion platform [18.226528651110133]
大言語モデル(LLM)エージェントは、実験的な制御コードを書き、実行することができる。
チェックされていないコードは装置を損傷させる可能性があり、人間の承認/監督とエージェントの判断の間に正式な操作ごとの境界は存在しない。
本稿では,LLMエージェントを,そのような境界を保ちながらトラップイオン実験のループに配置する制御システムを提案する。
論文 参考訳（メタデータ） (2026-06-25T16:19:23Z) - Jagarin: A Three-Layer Architecture for Hibernating Personal Duty Agents on Mobile [0.0]
パーソナルAIエージェントは、モバイルにおける基本的なデプロイメントパラドックスに直面している。
本稿では、このパラドックスを、構造的冬眠と需要駆動のウェイクによって解決する3層アーキテクチャであるJagarinを紹介する。
動作中のFlutterプロトタイプがAndroid上でデモされ、3つのレイヤすべてと、ユーザ主導のエスカレーションでのみ呼び出される一時的なクラウドエージェントが組み合わされている。
論文 参考訳（メタデータ） (2026-03-05T11:38:14Z) - Orchestral AI: A Framework for Agent Orchestration [45.946776875141666]
Orchestralは軽量なPythonフレームワークで、主要なプロバイダ間でLLMエージェントを構築するための統一型安全なインターフェースを提供する。
プロバイダ間でシームレスに動作し、手作業によるフォーマット変換を排除し、フレームワークが引き起こす複雑さを低減します。
リッチなツールコール、コンテキストのコンパクト化、サンドボックス、ユーザ承認、サブエージェント、メモリ管理、MPP統合など、より大きなフレームワークで見られる高度なエージェント機能をサポートする。
論文 参考訳（メタデータ） (2026-01-05T22:02:11Z) - DeepAgent: A General Reasoning Agent with Scalable Toolsets [111.6384541877723]
DeepAgentは、自律的な思考、ツール発見、アクション実行を実行するエンドツーエンドのディープ推論エージェントである。
長期にわたる相互作用の課題に対処するために,過去の相互作用を構造化エピソード,動作,ツール記憶に圧縮する自律的メモリ折り畳み機構を導入する。
LLMシミュレートされたAPIを活用し、ツール呼び出しトークンにきめ細かいクレジットを割り当てるツールコールアドバンテージ属性を適用した、エンドツーエンドの強化学習戦略であるToolPOを開発した。
論文 参考訳（メタデータ） (2025-10-24T16:24:01Z) - AgentRAN: An Agentic AI Architecture for Autonomous Control of Open 6G Networks [14.358601770321235]
我々は、自然言語(NL)の意図に基づいて分散AIエージェントのファブリックを生成し、オーケストレーションする、AIネイティブなオープンRAN対応フレームワークであるAgenRANを紹介する。
明示的なプログラミングを必要とする従来のアプローチとは異なり、AgentRANのLLMエージェントは自然言語の意図を解釈し、構造化された会話を通じて戦略を交渉し、ネットワーク全体の制御ループを編成する。
AI-RAN Factoryは、エージェントのインタラクションを観察し、改善された制御アルゴリズムを埋め込んだ新しいエージェントを継続的に生成する自動パイプラインである。
論文 参考訳（メタデータ） (2025-08-25T08:18:10Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z) - UFO2: The Desktop AgentOS [60.317812905300336]
UFO2はWindowsデスクトップ用のマルチエージェントAgentOSで、実用的なシステムレベルの自動化に発展している。
我々は、20以上の現実世界のWindowsアプリケーションに対してUFO2を評価し、従来のCUAよりもロバスト性および実行精度を大幅に改善した。
我々の結果は、ディープOSの統合によって、信頼性の高いユーザ指向のデスクトップ自動化へのスケーラブルな道が開けることを示している。
論文 参考訳（メタデータ） (2025-04-20T13:04:43Z) - DynaSaur: Large Language Agents Beyond Predefined Actions [126.98162266986554]
既存のLLMエージェントシステムは、通常、各ステップで固定セットと事前定義されたセットからアクションを選択する。
動作を動的に生成・構成できるLLMエージェントフレームワークを提案する。
このフレームワークでは、汎用プログラミング言語で書かれたプログラムを生成し実行することで、エージェントが環境と対話する。
論文 参考訳（メタデータ） (2024-11-04T02:08:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。