論文の概要: AssemPlanner: A Multi-Agent Based Task Planning Framework for Flexible Assembly System
- arxiv url: http://arxiv.org/abs/2605.08831v1
- Date: Sat, 09 May 2026 09:36:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 15:02:32.759142
- Title: AssemPlanner: A Multi-Agent Based Task Planning Framework for Flexible Assembly System
- Title（参考訳）: AssemPlanner: フレキシブルアセンブリシステムのためのマルチエージェントベースのタスク計画フレームワーク
- Abstract要約: AssemPlannerと呼ばれるフレキシブルアセンブリシステムのためのマルチエージェントベースのタスク計画フレームワークを提案する。
自然言語で記述されたタスクを入力として取り、実行可能な逐次生産操作に変換する。
- 参考スコア（独自算出の注目度）: 6.362667046495911
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In flexible assembly systems, existing task planning methods require a time-consuming configuration process by multiple experts to establish a production line for a new product. To address this challenge, we propose a multi-agent based task planning framework for flexible assembly systems, denoted as AssemPlanner. It takes tasks described in natural language as input, which are then converted into actionable sequential production operations. It comprises several specialized agents, including SchedAgent , KnowledgeAgent, LineBalanceAgent, and a scene graph. Within the proposed framework, SchedAgent serves as the central reasoning engine. Departing from traditional static pipelines, AssemPlanner utilizes a ReAct-based SchedAgent to adaptively adjust actions via multi-agent feedback. By observing the feedback from KnowledgeAgent, LineBalanceAgent, and the scene graph, it autonomously resolves complex industrial process constraints. To facilitate reproducibility, all code and datasets are released at https://github.com/chz332/Assemplanner.
- Abstract（参考訳）: フレキシブルアセンブリシステムでは、既存のタスク計画手法では、新しい製品の生産ラインを確立するために、複数の専門家による時間を要する設定プロセスが必要となる。
この課題に対処するため、我々はAssemPlannerと呼ばれるフレキシブルアセンブリシステムのためのマルチエージェントベースのタスク計画フレームワークを提案する。
自然言語で記述されたタスクを入力として取り、実行可能な逐次生産操作に変換する。
SchedAgent、KnowledgeAgent、LineBalanceAgent、そしてシーングラフを含む。
提案されたフレームワークの中では、SchedAgentが中心的な推論エンジンとして機能している。
従来の静的パイプラインとは別に、AssemPlannerはReActベースのSchedAgentを使用して、マルチエージェントフィードバックを通じてアクションを適応的に調整する。
KnowledgeAgent、LineBalanceAgent、およびシーングラフからのフィードバックを観察することで、複雑な産業プロセスの制約を自律的に解決する。
再現性を促進するため、すべてのコードとデータセットはhttps://github.com/chz332/Assemplanner.comでリリースされる。
関連論文リスト
- HiRS-Agent: A Hierarchical Multi-Agent System for Reliable Long-Horizon Remote Sensing Task Solving [24.41944797622092]
HiRS-Agentは、長期RSタスク解決のための階層型マルチエージェントシステムである。
Manager Layerは動的ルーティング、ステップレベルの検証、再計画、終了制御を処理する。
Specialist LayerはRSワークフローに従ってドメイン固有のツールを整理し、サブタスク推論とツール実行を担当する。
論文 参考訳（メタデータ） (2026-08-31T12:13:41Z) - FRAMEWORKERS: A Dynamic Multi-Agent Framework for AI-Generated Video Production [55.71860113185132]
本稿では,タスク中心のマルチエージェントフレームワークであるFRAMEWORKERSを紹介した。
Central Directorは、ビデオ生成を動的タスク管理として定式化し、タスクスタックを継続的に編集して、次にどのサブタスクを実行するか、どのサブエージェントを呼び出すかを決定する。
アシスタントは実行層として機能し、選択した各タスクを共有ワークスペースに接地し、必要なアセットとコンテキストを検索し、割り当てられたサブエージェントを呼び出し、結果のアーティファクトを永続化する。
FRAMEWORKERSは、ルーティング精度において強いプランナーよりも優れ、実行時の障害から確実に回復し、目に見えないサブに一般化することを示した。
論文 参考訳（メタデータ） (2026-08-30T14:28:50Z) - From Intent to Execution: Composing Agentic Workflows with Agent Recommendation [1.462945824459286]
本稿では,マルチエージェントシステムの自動作成のためのフレームワークを提案する。
提案するフレームワークは,必要なタスク固有のアプリケーションをオーケストレーションするソフトウェアモジュールとワークフローで構成されている。
論文 参考訳（メタデータ） (2026-05-05T17:08:26Z) - AOrchestra: Automating Sub-Agent Creation for Agentic Orchestration [36.04766562662082]
AOrchestraはフレームワークに依存しないエージェント抽象化で、任意のエージェントをインストラクション、コンテキストツール、モデルとしてモデル化する。
タスク関連コンテキスト、ツール、モデルをキュレートし、オンザフライで自動エージェント生成を通じて実行を委譲する。
AOrchestraはGeminiと組んで最強のベースラインに対して16.28%の相対的な改善を達成した。
論文 参考訳（メタデータ） (2026-02-03T17:46:16Z) - Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。
具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。
我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2025-11-21T12:25:47Z) - AgentMesh: A Cooperative Multi-Agent Generative AI Framework for Software Development Automation [0.0]
ソフトウェア開発タスクの自動化に複数のLCMエージェントを併用したPythonベースのフレームワークを提案する。
AgentMeshでは、Planner、Coder、Debugger、Reviewerといった特殊なエージェントが協力して、ハイレベルな要件を完全に実現されたコードに変換する。
論文 参考訳（メタデータ） (2025-07-26T10:10:02Z) - PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
本稿では,PC-Agentという階層型エージェントフレームワークを提案する。
認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。
意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-02-20T05:41:55Z) - Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。
本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。
大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
論文 参考訳（メタデータ） (2024-10-03T04:07:51Z) - Ask-before-Plan: Proactive Language Agents for Real-World Planning [68.08024918064503]
プロアクティブエージェントプランニングでは、ユーザエージェントの会話とエージェント環境のインタラクションに基づいて、言語エージェントが明確化のニーズを予測する必要がある。
本稿では,明確化,実行,計画の3つのエージェントからなる新しいマルチエージェントフレームワーク,Clarification-Execution-Planning(textttCEP)を提案する。
論文 参考訳（メタデータ） (2024-06-18T14:07:28Z) - AgentKit: Structured LLM Reasoning with Dynamic Graphs [91.09525140733987]
多機能エージェントのための直感的なLCMプロンプトフレームワーク(AgentKit)を提案する。
AgentKitは、単純な自然言語プロンプトから複雑な"思考プロセス"を明示的に構築するための統一されたフレームワークを提供する。
論文 参考訳（メタデータ） (2024-04-17T15:40:45Z) - AutoAgents: A Framework for Automatic Agent Generation [27.74332323317923]
AutoAgentsは、さまざまなタスクに応じてAIチームを構築するために、複数の専門エージェントを適応的に生成し、コーディネートする革新的なフレームワークである。
各種ベンチマーク実験により,AutoAgentsは既存のマルチエージェント手法よりも一貫性と正確な解を生成することが示された。
論文 参考訳（メタデータ） (2023-09-29T14:46:30Z)
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。