AssistantX: An LLM-Powered Proactive Assistant in Collaborative Human-Populated Environment

要約

人間が住む環境におけるインテリジェントアシスタントに対する需要の高まりにより、自律ロボットシステムにおける重要な研究が促進されています。
しかし、従来のサービス ロボットや仮想アシスタントは、特に人間とのコラボレーションが必要な場合、動的な推論と対話の能力が限られているため、現実世界のタスクの実行に苦労します。
大規模言語モデルの最近の開発により、これらのシステムを改善するための新しい道が開かれ、より洗練された推論と自然な対話機能が可能になりました。
このペーパーでは、物理的なオフィス環境で自律的に動作するように設計された、LLM を利用したプロアクティブ アシスタントである AssistantX を紹介します。
従来のサービス ロボットとは異なり、AssistantX は新しいマルチエージェント アーキテクチャである PPDR4X を活用し、高度な推論機能と包括的なコラボレーション認識を提供します。
AssistantX は、仮想操作と物理的な対話の間のギャップを効果的に橋渡しすることで、複雑な現実世界のシナリオの管理において堅牢なパフォーマンスを発揮します。
私たちの評価では、アーキテクチャの有効性が強調されており、AssistantX が明確な指示に応答し、メモリから補足情報を積極的に取得し、タスクを確実に完了するためにチーム メンバーからの協力を積極的に求めることができることが示されています。
詳細とビデオは、https://assistantx-agent.github.io/AssistantX/ でご覧いただけます。

要約(オリジナル)

The increasing demand for intelligent assistants in human-populated environments has motivated significant research in autonomous robotic systems. Traditional service robots and virtual assistants, however, struggle with real-world task execution due to their limited capacity for dynamic reasoning and interaction, particularly when human collaboration is required. Recent developments in Large Language Models have opened new avenues for improving these systems, enabling more sophisticated reasoning and natural interaction capabilities. In this paper, we introduce AssistantX, an LLM-powered proactive assistant designed to operate autonomously in a physical office environment. Unlike conventional service robots, AssistantX leverages a novel multi-agent architecture, PPDR4X, which provides advanced inference capabilities and comprehensive collaboration awareness. By effectively bridging the gap between virtual operations and physical interactions, AssistantX demonstrates robust performance in managing complex real-world scenarios. Our evaluation highlights the architecture’s effectiveness, showing that AssistantX can respond to clear instructions, actively retrieve supplementary information from memory, and proactively seek collaboration from team members to ensure successful task completion. More details and videos can be found at https://assistantx-agent.github.io/AssistantX/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google