論文の概要: SyncPlan: Long-Horizon LLM Coordination with Explicit Synchronization and Adaptive Correction
- arxiv url: http://arxiv.org/abs/2608.01652v1
- Date: Mon, 03 Aug 2026 03:43:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.315916
- Title: SyncPlan: Long-Horizon LLM Coordination with Explicit Synchronization and Adaptive Correction
- Title（参考訳）: SyncPlan: 明示的同期と適応補正によるLLM座標
- Abstract要約: SyncPlanは、動的環境における長期調整のための計画実行正しいフレームワークである。
実行中、明示的な待ちプリミティブとデッドロック検出はエージェント間の依存関係とエージェント環境依存性を強制する。
軽量のPlan Staleness Detectorは、残りのプランを継続的に評価し、環境変化が仮定を無効にした場合にリプランをトリガーする。
- 参考スコア（独自算出の注目度）: 30.543497829249972
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LLM-based multi-agent coordination faces a fundamental trade-off between efficiency and adaptivity in dynamic environments. Existing approaches typically rely on repeated LLM invocations or multi-round communication to adapt decisions during execution, introducing substantial latency and making coordination vulnerable to asynchronous progress and environmental changes. Conversely, one-shot planning reduces coordination overhead but produces open-loop plans that can quickly become stale or fail when actions depend on other agents and the environment. We introduce SyncPlan, a plan-execute-correct framework for long-horizon coordination through explicit synchronization and adaptive correction. Given the state and team-level task, a centralized LLM coordinator generates per-agent action chains in a single planning call. During execution, explicit wait primitives and deadlock detection enforce inter-agent and agent-environment dependencies, while a lightweight Plan Staleness Detector continuously assesses the remaining plan and triggers replanning when environmental changes invalidate its assumptions. We further optimize the coordinator through SFT and planning-oriented RL with dense task progress and outcome-level execution feedback. Experiments on the public Overcooked benchmark and the complex Honor of Kings environment show that SyncPlan achieves state-of-the-art task success rates while using less than 0.05% of the wall-clock runtime compared with existing LLM-based coordinators. Code and datasets will be made publicly available.
- Abstract（参考訳）: LLMベースのマルチエージェント調整は、動的環境における効率性と適応性の基本的なトレードオフに直面している。
既存のアプローチは、実行中に決定を適応し、相当なレイテンシを導入し、非同期の進行と環境変化に脆弱なコーディネーションを実現するために、繰り返しLLM呼び出しやマルチラウンド通信に依存するのが一般的である。
逆に、ワンショットプランニングは調整のオーバーヘッドを減らすが、他のエージェントや環境に依存している場合、すぐに古いものになり、失敗する可能性があるオープンループプランを生成する。
我々は、明示的な同期と適応補正を通じて、長期協調のための計画実行補正フレームワークSyncPlanを紹介する。
状態とチームレベルのタスクが与えられた場合、集中型LLMコーディネータは単一のプランニングコールでエージェントごとのアクションチェーンを生成する。
実行中、明示的な待ちプリミティブとデッドロック検出はエージェント環境とエージェント環境の依存関係を強制する一方、軽量のPlan Staleness Detectorは残りのプランを継続的に評価し、環境の変化が仮定を無効にするときに再計画を引き起こす。
SFTと計画指向のRLによるコーディネータをさらに最適化し、タスクの進行度と結果レベルのフィードバックを集中的に行う。
公開されたOvercookedベンチマークと複雑なHonor of Kings環境の実験によると、SyncPlanは、既存のLCMベースのコーディネータと比較して、ウォールタイムランタイムの0.05%未満を使用しながら、最先端のタスク成功率を達成した。
コードとデータセットは公開されます。
関連論文リスト
- Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks [48.90302419915548]
異種大規模言語モデル(LLM)を駆使したエージェントチームは、スマートファクトリー、倉庫、サービスロボティクスに広く配備されている。
軽量ディジタルツイン(DT)上に構築したネットワーク協調フレームワーク LDT-Coord を提案する。
具体的には、各エージェントは、意図したアクションを独立して選択し、共有リソースに対するアクション決定と構造化時間制約の両方をDTサーバに通知する。
論文 参考訳（メタデータ） (2026-07-10T12:10:31Z) - TempAct: Advancing Temporal Plausibility in Autoregressive Video Generation via Planner-Executor RL [72.7712729541565]
自己回帰(AR)ビデオ拡散モデルにより、ビデオチャンクをキャッシュされたビジュアルコンテキストでチャンクで合成することで、低レイテンシなストリーミング生成を可能にする。
1つのグローバルプロンプトは、どのサブイベントを各チャンクで実現すべきかを指定しないが、ステップワイズプロンプトにナビゲート的に切り替えると、しばしば遅延反応、ブレンドステップセマンティクス、プロンプト遷移間のエラー伝播につながる。
我々は、時間分解とステップ条件付き実行を協調的に最適化し、時間分解可能なARビデオ生成のためのプランナー-実行型強化学習フレームワークであるTempActでこれらの課題に対処する。
論文 参考訳（メタデータ） (2026-06-26T12:19:28Z) - Melding LLM and temporal logic for reliable human-swarm collaboration in complex scenarios [17.56189537207367]
我々は,長期にわたる人間とスワムのコラボレーションのためのニューロシンボリックな枠組みを導入する。
ミッション目標と運用ルールを時間論理式として,タスクオートマトンとして許容可能なタスクオーダとして定式化する。
イベントトリガー方式のインタラクションプロトコルでは、操作者がスパースでハイレベルな確認とガイダンスに関与することを制限している。
論文 参考訳（メタデータ） (2026-05-08T15:32:14Z) - Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。
本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
論文 参考訳（メタデータ） (2026-05-07T14:19:17Z) - UMBRELLA: Uncertainty-aware Multi-robot Reactive Coordination under Dynamic Temporal Logic Tasks [5.794342083222513]
本稿では,動的および移動目標を含む協調作業のためのマルチロボットシステムのコーディネート問題に対処する。
コンフォーマル予測(CP)による目標運動予測の不確かさを明示的にモデル化する。
提案するフレームワーク (UMBRELLA) は,MCTS (Monte Carlo Tree Search) を部分計画と不確実性を考慮したロールアウトに組み合わせたものだ。
論文 参考訳（メタデータ） (2026-03-26T12:40:04Z) - DR. WELL: Dynamic Reasoning and Learning with Symbolic World Model for Embodied LLM-Based Multi-Agent Collaboration [18.250351934101463]
DR. WELLは、協調的マルチエージェント計画のための分散型神経シンボルフレームワークである。
エージェントは候補者の役割を提案し、合意と環境制約の下で共同割り当てをコミットする。
各エージェントは、詳細な軌道を明らかにすることなく、独立してその役割の象徴的な計画を生成し実行します。
論文 参考訳（メタデータ） (2025-11-06T18:37:18Z) - ParaCook: On Time-Efficient Planning for Multi-Agent Systems [62.471032881396496]
大規模言語モデル(LLM)は、長期の現実世界のタスクを計画するための強力な推論能力を示す。
時間効率の協調計画のためのベンチマークであるParaCookを紹介する。
論文 参考訳（メタデータ） (2025-10-13T16:47:07Z) - Benchmarking LLMs' Swarm intelligence [51.648605206159125]
大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。
分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。
本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
論文 参考訳（メタデータ） (2025-05-07T12:32:01Z) - Robotouille: An Asynchronous Planning Benchmark for LLM Agents [7.574421886354134]
非同期計画は、時間遅延、多種多様な長期タスクの理由付け、他のエージェントとの協力を必要とするエージェントにとって不可欠である。
我々は、長時間の非同期シナリオを処理するエージェントの能力をテストするために設計されたベンチマーク環境であるRobotouilleを紹介する。
結果から,ReAct(gpt4-o)は同期タスクでは47%,非同期タスクでは11%に過ぎなかった。
論文 参考訳（メタデータ） (2025-02-06T05:50:37Z) - Bottom-up mechanism and improved contract net protocol for the dynamic
task planning of heterogeneous Earth observation resources [61.75759893720484]
地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。
観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。
不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
論文 参考訳（メタデータ） (2020-07-13T03:51:08Z)
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。