IntentCUA: Intention-basierte Planung für effiziente Desktop‑Automatisierung

Ein brandneues Framework namens IntentCUA hat die Art und Weise, wie Computer‑Use‑Agents lange Aufgaben ausführen, revolutioniert. Durch die Kombination mehrerer Agenten, die gemeinsam über ein gemeinsames Gedächtnis arbeiten, gelingt es IntentCUA, die Interaktion mit Desktop‑Anwendungen stabiler und zielgerichteter zu gestalten.

Im Kern abstrahiert IntentCUA rohe Interaktionsspuren in mehrdimensionale Intent‑Darstellungen. Diese repräsentieren die Absichten des Nutzers aus verschiedenen Blickwinkeln und ermöglichen die Wiederverwendung von vordefinierten Fähigkeiten (Skills). Ein Planner, ein Plan‑Optimizer und ein Critic koordinieren sich dabei über ein gemeinsames Speicher‑Modul, das die Intent‑Informationen speichert und zugänglich macht.

Während der Laufzeit greift das System auf Intent‑Prototypen zurück, die passende Skills für die aktuelle Teilaufgabe auswählen und in die laufende Planung einfügen. Dadurch werden wiederholte Neuplanungen vermieden und Fehler, die sich sonst über mehrere Schritte hinweg ausbreiten könnten, werden minimiert. Das Ergebnis ist eine deutlich flüssigere Ausführung von komplexen Desktop‑Aufgaben.

In umfassenden End‑zu‑End‑Tests erzielte IntentCUA einen Erfolgsanteil von 74,83 % und eine Step‑Efficiency‑Ratio von 0,91 – beides deutlich besser als bei herkömmlichen Reinforcement‑Learning‑ oder Trajektorien‑basierten Ansätzen. Ablationsstudien zeigen, dass die Kombination aus mehrdimensionaler Intent‑Abstraktion und gemeinsamem Plan‑Gedächtnis die Stabilität der Ausführung maßgeblich verbessert, wobei der kooperative Mehragenten‑Loop besonders bei Aufgaben mit langen Zeithorizonten die größten Vorteile bietet.

Diese Ergebnisse unterstreichen, dass systemweite Intent‑Abstraktion und auf Speicher basierende Koordination die Schlüsselkomponenten für zuverlässige und effiziente Desktop‑Automatisierung in großen, dynamischen Umgebungen sind.