BioProAgent: Neuro‑Symbolische Planung für sichere Laborautomatisierung

Große Sprachmodelle (LLMs) haben beeindruckende Fähigkeiten im wissenschaftlichen Denken gezeigt, stoßen jedoch an ihre Grenzen, wenn es darum geht, diese Ideen in realen Laborumgebungen umzusetzen. In solchen irreversiblen Settings können probabilistische Fehlschlüsse nicht nur falsch sein, sondern auch Geräte beschädigen oder Experimente zum Scheitern bringen.

Um dieses Problem zu lösen, stellt BioProAgent ein neuro‑symbolisches Framework vor, das probabilistische Planungen in ein deterministisches Finite State Machine (FSM) einbettet. Durch diese feste Struktur wird die Ausführung von Experimenten sicherer und nachvollziehbarer.

Ein zentrales Element ist der State‑Augmented‑Planning‑Mechanismus, der einen strengen Design‑Verify‑Rectify‑Workflow erzwingt. Damit wird sichergestellt, dass jede geplante Aktion vor der Ausführung auf die Hardwarekompatibilität geprüft wird.

Darüber hinaus adressiert BioProAgent den Kontextengpass bei komplexen Geräteschemata mittels Semantic Symbol Grounding. Durch symbolische Abstraktion werden die benötigten Tokens um etwa das Sechsfache reduziert, was die Effizienz der Modellverarbeitung deutlich steigert.

Im erweiterten BioProBench‑Benchmark erzielte BioProAgent eine physikalische Compliance von 95,6 % – ein deutlich höherer Wert als die 21,0 % von ReAct. Diese Ergebnisse unterstreichen, dass neuro‑symbolische Einschränkungen entscheidend für zuverlässige Autonomie in irreversiblen physischen Umgebungen sind.

Der Quellcode ist auf GitHub verfügbar: https://github.com/YuyangSunshine/bioproagent. Weitere Informationen zum Projekt finden Sie unter https://yuyangsunshine.github.io/BioPro-Project/.