MaP-AVR：ビジョン言語モデルと検索拡張生成を活用するエージェントのためのメタアクションプランナー

この記事では、新しいメタアクションプランナーであるMaP-AVRを紹介しています。その核心は、エージェントの計画のために、ビジョン言語モデル（VLM）と検索拡張生成（RAG）を組み合わせることです。RAGの使用は、エージェントが外部知識にアクセスし、利用する能力を向上させ、VLMのいくつかの制限を軽減しようとする試みを示唆しています。タイトルは、AI研究の文脈におけるエージェント計画に焦点を当てていることを明確に示しています。

• •エージェントの計画に焦点を当てています。
• •ビジョン言語モデル（VLM）と検索拡張生成（RAG）を活用しています。
• •エージェントの知識へのアクセスと利用を改善することを目指しています。