スマートビークル向けの旅行計画は、移動時間、エネルギー消費、交通状況などの要因を考慮した最適ルート選択が求められています。しかし、既存システムは主に実行可能な経路の生成に焦点を当てており、最適性は二の次でした。また、現在のベンチマークは真の最適解を提供しないため、最適化性能の客観的評価が困難でした。この問題に対処するため、アリゾナ州立大学などの研究チームは、エージェンティックAIを用いた旅行計画最適化フレームワークを提案しました。本フレームワークでは、オーケストレーションエージェントが交通、充電、興味地点の各専門エージェントを統括し、各エージェントがサブタスクを担当することで動的な計画洗練を実現します。交通エージェントはリアルタイムの交通情報を分析し、充電エージェントはバッテリー残量と充電スタンドの分布に基づき最適な充電タイミングを提案、興味地点エージェントはルート沿いの観光スポットや施設を考慮します。オーケストレーションエージェントはこれらの情報を統合し、複数回の推論を経て最適経路を導出します。
また、研究チームはTOPデータセットを構築しました。TOPは様々なシナリオに対する確定的な最適解を含み、カテゴリ別のタスク構造により詳細な分析を可能にします。実験では、提案フレームワークがTOPベンチマークで77.4%の精度を達成し、単一エージェントシステムや従来のワークフローベースのマルチエージェントシステムを大幅に上回りました。単一エージェントでは複雑な制約を扱えず、ワークフローベースのシステムは動的な変化に柔軟に対応できません。一方、本フレームワークのオーケストレーション型エージェンティック推論は、リアルタイムフィードバックに基づき戦略を適応させ、より堅牢な計画最適化を実現します。本論文はIV 2026に採択されており、エージェンティックAIの旅行計画分野における重要な進展を示しています。今後、自動運転車両のフリート管理や物流経路最適化などへの応用が期待されます。