論文の概要: Embedding Large Language Models into Flow Controls: An Agentic Framework for Adaptive and Trustworthy Automated Cooking

• arxiv url: http://arxiv.org/abs/2608.04768v1
• Date: Wed, 05 Aug 2026 12:33:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.92166
• Title: Embedding Large Language Models into Flow Controls: An Agentic Framework for Adaptive and Trustworthy Automated Cooking
• Title（参考訳）: 大規模言語モデルをフローコントロールに組み込む: 適応的で信頼性の高い自動調理のためのエージェントフレームワーク
• Authors: Zihan Song, Hongwei Huang, Yueshuo Sun, Yonglin Tian, Fei-Yue Wang, Bai Li,
• Abstract要約: 本稿では,個別の調理要求を構造化・検証可能な制御プログラムに分解するエージェント・フレームワークを提案する。 システムは、複数のエージェントによるオフラインレシピ・ツー・コード生成、監督介入によるオンラインクローズドループ実行、実行後適応の3つの密結合ステージで構成されている。 物理調理プラットフォームにおける実世界の実験により,提案するフレームワークは,信頼性の高いタスク補完,透過的な実行ロジック,および多様なパーソナライズされたシナリオ間の効果的な異常処理を実現することが示された。
• 参考スコア（独自算出の注目度）: 13.815779547872397
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automated cooking robots have traditionally relied on predefined procedures and rule-based control, ensuring stable execution but offering limited personalization, whereas recent large-model approaches support natural language interaction but often suffer from opaque decision making and unreliable execution in real kitchens. To address this challenge, this paper proposes an agentic framework that systematically decomposes personalized cooking requirements into structured and verifiable control programs rather than directly mapping language to actions. Multiple AI agents collaboratively transform user intents into canonical recipes, workflow programs with explicit flow control, and executable Python code grounded in an atomic action library. The system consists of three tightly coupled stages: offline recipe-to-code generation through multiple agents, online closed-loop execution with supervisory intervention enabled by multimodal perception, and post-run adaptation that updates user preference models for long-term personalization. Real-world experiments on a physical cooking platform demonstrate that the proposed framework achieves reliable task completion, transparent execution logic, and effective anomaly handling across diverse personalized scenarios, validating its practicality for trustworthy automated cooking in real environments.
• Abstract（参考訳）: 自動調理ロボットは伝統的に、事前に定義された手順とルールベースの制御に依存しており、安定した実行を保証するが、パーソナライズが制限されている。 この課題に対処するため,本研究では,言語を直接行動にマッピングするのではなく,個別の調理要求を構造化・検証可能な制御プログラムに体系的に分解するエージェントフレームワークを提案する。 複数のAIエージェントが共同でユーザ意図を標準的なレシピ、明示的なフロー制御を備えたワークフロープログラム、アトミックアクションライブラリに基盤を置く実行可能なPythonコードに変換する。 システムは,複数のエージェントによるオフラインレシピ・ツー・コード生成,マルチモーダル認識による監督的介入によるオンラインクローズドループ実行,長期パーソナライズのためのユーザの好みモデルを更新するポストラン適応の3段階で構成されている。 物理調理プラットフォームにおける実世界の実験により,提案するフレームワークは,信頼性の高いタスク補完,透過的な実行ロジック,多種多様なパーソナライズされたシナリオにまたがる効果的な異常処理を実現し,実環境における信頼性の高い自動調理の実用性を検証した。

関連論文リスト

• Adaptive Multimodal Agents-Based Framework for Automatic Workflow Execution [1.2132786136735432]
  本稿では,異なる2相パイプラインによる自動ワークフロー実行を実現するための,新しいマルチエージェントフレームワークを提案する。 推論の間、エージェントはこの固定された事前確立されたグラフに対して適応検索拡張生成(RAG)を利用する。 実世界の文脈でフレームワークを検証し、限られたトレーニングデータであっても高い信頼性とセマンティックな認識を維持する能力を示す。
  論文  参考訳（メタデータ） (2026-05-27T15:23:22Z)
• InteractWeb-Bench: Can Multimodal Agent Escape Blind Execution in Interactive Website Generation? [20.180246350877045]
  実世界の開発は、非専門家からの曖昧で低品質な命令とモデル理解のセマンティックなミスアライメントという、重要なボトルネックによって制約されている。 InactWeb-Benchは、未経験の低コードユーザ条件下でWebサイト生成のための最初のマルチモーダル対話型ベンチマークである。
  論文  参考訳（メタデータ） (2026-04-30T04:49:34Z)
• ROSClaw: A Hierarchical Semantic-Physical Framework for Heterogeneous Multi-Agent Collaboration [9.434833852972353]
  ROSClawは、統一視覚言語モデル(VLM)コントローラにポリシー学習とタスク実行を統合する異種ロボットのためのエージェントフレームワークである。 自律的なクローズループフレームワークを確立することにより、ROSClawはロボット固有の開発への依存を最小限に抑える。
  論文  参考訳（メタデータ） (2026-04-06T13:16:24Z)
• Autonoma: A Hierarchical Multi-Agent Framework for End-to-End Workflow Automation [0.0]
  本稿では,自然言語のプロンプトからエンドツーエンドのワークフロー自動化を実現するために設計された,構造化された階層型マルチエージェントフレームワークであるAutonomaを紹介する。 Autonomaは、高レベルのコーディネータがユーザの意図を検証し、Plannerが構造化され、スーパーバイザが特別なエージェントのスイートを編成して実行を管理するという、原則化された多層アーキテクチャを採用している。 オートノマは97%のタスク完了率と98%のエージェントハンドオフ率を達成した。
  論文  参考訳（メタデータ） (2026-02-27T11:00:37Z)
• The Auton Agentic AI Framework [5.410458076724158]
  人工知能の分野では、ジェネレーティブAIからエージェントAIへの移行が進行中である。 大規模言語モデル(LLM)は構造化されていない出力を生成するが、それらが制御しなければならないバックエンドインフラストラクチャは決定論的でスキーマに適合する入力を必要とする。 本稿では,自律エージェントの作成,作成,管理を行うための原則アーキテクチャであるAuton Agentic AI Frameworkについて述べる。
  論文  参考訳（メタデータ） (2026-02-27T06:42:08Z)
• ToolSelf: Unifying Task Execution and Self-Reconfiguration via Tool-Driven Intrinsic Adaptation [60.25542764389203]
  LLM(Large Language Models)を利用したエージェントシステムは、複雑で長期のタスクに対処する上で、顕著な可能性を示している。 既存のアプローチでは、手動のオーケストレーションやランタイムベースのパッチを頼りにしており、一般化の貧弱さと最適化の断片化に悩まされることが多い。 ツール駆動の自己修正を可能にする新しいパラダイムであるToolSelfを提案する。
  論文  参考訳（メタデータ） (2026-02-08T09:27:18Z)
• Unlocking Smarter Device Control: Foresighted Planning with a World Model-Driven Code Execution Approach [82.27842884709378]
  本研究では,自然言語理解と構造化推論を優先し,エージェントの環境に対するグローバルな理解を高める枠組みを提案する。 本手法は,従来の手法,特にタスク成功率の44.4%向上を達成している。
  論文  参考訳（メタデータ） (2025-05-22T09:08:47Z)
• LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [102.1527101235251]
  LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。 自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。 LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-04-15T17:14:06Z)

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。