論文の概要: Beyond Global Replanning: Hierarchical Recovery for Cross-Device Agent Systems
- arxiv url: http://arxiv.org/abs/2606.20487v1
- Date: Thu, 18 Jun 2026 17:04:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:40.007366
- Title: Beyond Global Replanning: Hierarchical Recovery for Cross-Device Agent Systems
- Title（参考訳）: グローバルリプランを超えて - クロスデバイスエージェントシステムの階層的リカバリ
- Authors: Shu Yao, Yuhua Luo, Qian Long, Jingru Fan, Zhuoyuan Yu, Yuheng Wang, Lin Wu, Yufan Dang, Huatao Li, Chen Qian,
- Abstract要約: 既存のマルチデバイスエージェントシステムはタスク分解とクロスデバイス割り当てをサポートしているが、リカバリは大部分粗い粒度のままである。
我々は,APIを統一したマルチデバイスエージェントのための階層的リプランニングフレームワークである textbfH-RePlan を提案する。
実験により、H-RePlanはシングルストラテジーおよび粗粒多デバイスベースラインを大幅に上回ることが示された。
- 参考スコア（独自算出の注目度）: 11.046902430510743
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-world computer-use tasks often span multiple applications and devices, requiring agents to coordinate heterogeneous environments under dynamic runtime failures. Existing multi-device agent systems support task decomposition and cross-device assignment, but recovery remains largely coarse-grained: when execution fails, they typically retry the same strategy, reassign the subtask, or revise the global plan, without systematically modeling the device-local strategy space. This limits their ability to distinguish failures that can be repaired within the current device from those that require cross-device replanning. We propose \textbf{H-RePlan}, a hierarchical replanning framework for multi-device agents with unified API--CLI--GUI execution. H-RePlan equips each device with interchangeable execution strategies and separates device-local strategy recovery from orchestrator-level global replanning through a compact cross-layer failure abstraction. To evaluate this capability, we introduce \textbf{HeraBench}, a fault-injected benchmark that constructs cross-device workflows over Linux and Android devices and injects strategy- and device-level failures. Experiments show that H-RePlan substantially outperforms single-strategy and coarse-grained multi-device baselines, achieving higher completion, instruction adherence, and perfect-pass rates while reducing the token cost required for reliable end-to-end success. These results demonstrate that scope-aware hierarchical recovery is essential for robust multi-device agent execution.
- Abstract（参考訳）: 現実のコンピュータ利用タスクは、複数のアプリケーションやデバイスにまたがることが多く、エージェントは動的ランタイム障害下で異種環境を調整する必要がある。
既存のマルチデバイスエージェントシステムはタスク分解とクロスデバイス割り当てをサポートしているが、リカバリは大体粗いままであり、実行が失敗すると、彼らは通常、デバイスローカル戦略空間を体系的にモデル化することなく、同じ戦略を再試行、サブタスクの再割り当て、またはグローバルプランの改訂を行う。
これにより、現在のデバイス内で修正可能な障害と、デバイス間のリプレーニングを必要とする障害を区別する能力が制限される。
API--CLI-GUI を統一したマルチデバイスエージェントのための階層的再設計フレームワークである \textbf{H-RePlan} を提案する。
H-RePlanは、各デバイスに交換可能な実行戦略を装備し、デバイスローカル戦略回復とオーケストレータレベルのグローバルリプランニングを分離する。
この能力を評価するために,Linux と Android デバイス間のクロスデバイスワークフローを構築し,戦略レベルとデバイスレベルの障害を注入する,フォールトインジェクトされたベンチマークである \textbf{HeraBench} を導入する。
実験により、H-RePlanは、信頼性の高いエンドツーエンドの成功に必要なトークンコストを削減しつつ、高い完成率、命令順守率、完全パス率を実現し、シングルストラテジーおよび粗粒多デバイスベースラインを大幅に上回ることが示された。
これらの結果は、堅牢なマルチデバイスエージェントの実行には、スコープ対応の階層的リカバリが不可欠であることを示す。
関連論文リスト
- RePlan-Bot: Multi-Level Replanning for Embodied Instruction Following [39.9780803736704]
EIF(Embodied instruction following)は、対話型3D環境において複雑な自然言語コマンドを理解し実行する必要がある。
RePlan-Botはタスク実行全体を通してマルチレベルかつ連続的な再計画を行う新しいEDFエージェントである。
論文 参考訳（メタデータ） (2026-05-25T13:44:18Z) - Meta-Agent: From Task Descriptions to Verified Multi-Agent Systems [36.485119937780524]
本稿では,マルチエージェントシステムの自動構築と実行を行う2相フレームワークMeta-Agentを提案する。
本稿では,局所的,上流的,構造的障害を区別する3段階の誤り帰属機構を提案する。
強力なマルチエージェントベースラインとアブレーションスタディに対する実験では、タスク成功率、エラー回復、ワークフロー安定性が一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-05-24T19:38:54Z) - Step-level Optimization for Efficient Computer-use Agents [51.29573359027217]
我々は、強力なコンピュータ利用エージェントは、実際は高価で遅いと論じている。
本稿では,コンピュータ利用エージェントのためのイベント駆動ステップレベルカスケードを提案する。
論文 参考訳（メタデータ） (2026-04-29T19:59:36Z) - Small Model as Master Orchestrator: Learning Unified Agent-Tool Orchestration with Parallel Subtask Decomposition [61.291733522717415]
Agent-as-Toolは並列オーケストレーションのパラダイムであり、エージェントとツールの両方を標準化された学習可能なアクション空間に緩和する。
ParaManagerは、サブタスク解決から計画決定を分離し、ステート対応の並列サブタスク分解、デリゲート、非同期実行を可能にする。
実験により、ParaManagerは複数のベンチマークで高い性能を示し、目に見えないモデルプールの下で堅牢な一般化を示す。
論文 参考訳（メタデータ） (2026-04-18T14:41:27Z) - Device-Conditioned Neural Architecture Search for Efficient Robotic Manipulation [16.017058636822025]
我々はtextbfDevice-textbfConditioned textbfQuantization-textbfFor-textbfAll (DC-QFA) という統合フレームワークを提案する。
DC-QFAは、デバイス条件の量子化対応トレーニングとハードウェア制約のあるアーキテクチャサーチによるデプロイメントの取り組みを改善している。
論文 参考訳（メタデータ） (2026-04-11T11:36:16Z) - Robust and Efficient Tool Orchestration via Layered Execution Structures with Reflective Correction [55.13278005189741]
私たちは、高レベルのツール依存関係をキャプチャする階層化された実行構造を学ぶために、ツールオーケストレーションをモデル化します。
本稿では,局所的にエラーを検出し,修正するスキーマ対応反射補正機構を提案する。
この設計では、エラーを個々のツールコールに限定し、実行軌跡全体の再計画を避ける。
論文 参考訳（メタデータ） (2026-02-21T22:20:01Z) - ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。
数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。
我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文 参考訳（メタデータ） (2026-01-27T13:43:59Z) - Project Synapse: A Hierarchical Multi-Agent Framework with Hybrid Memory for Autonomous Resolution of Last-Mile Delivery Disruptions [0.0]
Project Synapseは、ラストマイル配送障害の自律的解決のために設計された新しいエージェントフレームワークである。
システムは、複雑で循環的なディスラプションシナリオを管理するためにLangGraphを使用して編成される。
論文 参考訳（メタデータ） (2026-01-13T02:38:27Z) - Reason-Plan-ReAct: A Reasoner-Planner Supervising a ReAct Executor for Complex Enterprise Tasks [0.0]
RP-ReActは,低レベルの実行から戦略的計画を切り離して信頼性と効率を向上する,新しいマルチエージェントアプローチである。
RP-ReActは、各サブステップを計画するReasoner Planner Agent(RPA)と、サブステップを具体的なツールインタラクションに変換する1つまたは複数のProxy-Execution Agent(PEA)から構成される。
RP-ReActを6つのオープンウェイト推論モデルの多種多様なセットを用いて、挑戦的なマルチドメインツールQAベンチマークで評価する。
論文 参考訳（メタデータ） (2025-12-03T08:28:40Z) - ReCAP: Recursive Context-Aware Reasoning and Planning for Large Language Model Agents [61.51091799997476]
ReCAP(Recursive Context-Aware Reasoning and Planning)は,大規模言語モデル(LLM)における推論と計画のためのコンテキストを共有する階層型フレームワークである。
ReCAPは、プラン-アヘッド分解、親プランの構造化された再注入、メモリ効率の高い実行という3つの重要なメカニズムを組み合わせる。
実験により、ReCAPは様々なロングホライゾン推論ベンチマークにおけるサブゴールアライメントと成功率を大幅に改善することが示された。
論文 参考訳（メタデータ） (2025-10-27T20:03:55Z)
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。