DUPLEX: LLM-gestützte Planung mit dualem System steigert Zuverlässigkeit

In der Robotik und bei komplexen Aufgabenplanungssystemen bieten große Sprachmodelle (LLMs) enorme semantische Flexibilität, doch ihre Neigung zu Halluzinationen und logischen Inkonsistenzen erschwert ihre Zuverlässigkeit bei langfristigen Abläufen. Mit der neuen Architektur DUPLEX wird dieses Problem adressiert, indem die LLMs ausschließlich für die strukturierte Extraktion von Informationen eingesetzt werden.

Das System besteht aus zwei klar getrennten Komponenten. Der „Fast System“-Teil nutzt ein leichtgewichtiges LLM, um aus natürlicher Sprache Entitäten, Beziehungen und weitere relevante Daten zu extrahieren und diese deterministisch in ein Planning Domain Definition Language (PDDL)-Problem zu überführen. Anschließend übernimmt ein klassischer symbolischer Planner die eigentliche Plan­erstellung.

Erreicht der symbolische Planner keinen gültigen Plan, aktiviert der „Slow System“-Modus. Hier wird ein hochleistungsfähiges LLM durch Diagnosen des Solvers iterativ reflektiert und repariert, um fehlende oder unklare Informationen zu ergänzen. Dieser zweistufige Ansatz kombiniert die Stärken von LLMs in der semantischen Wahrnehmung mit der logischen Präzision traditioneller Planer.

In umfangreichen Tests über zwölf klassische und Haushaltsplanungsdomänen zeigte DUPLEX deutlich höhere Erfolgsraten und Zuverlässigkeit als bestehende End‑to‑End- und hybride LLM‑Baselines. Die Ergebnisse unterstreichen, dass die Schlüsselidee nicht darin besteht, LLMs zum Planen zu befähigen, sondern sie auf ihre Stärke im strukturierten semantischen Grounding zu beschränken und die logische Synthese dem bewährten symbolischen Planner zu überlassen.