要旨: モバイル機器の電池寿命は依然として重大な課題であるが、既存の電力管理機構は静的なルールや粗い粒度のヒューリスティックに依存しており、ユーザーの活動や個人の嗜好を無視している。私たちはPowerLensを提案する。これは、Androidデバイス上で安全かつ個別化されたモバイル電力管理のために、LLMs（大規模言語モデル）の推論力を抑制するシステムである。肝要なアイデアは、LLMsの常識的推論がユーザーの活動とシステムパラメータの意味的ギャップを埋め、ゼロショットの文脈認識型ポリシー生成を可能にし、暗黙のフィードバックを通じて個人の嗜好に適応することである。PowerLensは、UIセマンティクスからユーザーの文脈を認識し、18のデバイスパラメータにわたる総合的な電力ポリシーを生成する、マルチエージェントアーキテクチャを採用している。PDLベースの制約フレームワークが実行前にすべてのアクションを検証し、一方で二層のメモリシステムが信頼度ベースの蒸留を通じて、暗黙のユーザー上書きから個別の嗜好を学習する。明示的な設定を必要とせず、3〜5日で収束する。 root化されたAndroidデバイスでの広範な実験により、PowerLensは標準のAndroidに対して81.7%のアクション精度と38.8%のエネルギー節約を達成し、ルールベースおよびLLMベースのベースラインを上回り、高いユーザー満足度、迅速な嗜好の収束、強力な安全性保証を示す。システム自体は日常のバッテリー容量のわずか0.5%しか消費しない。
PowerLens: 安全で個別化されたモバイル電力管理を実現する LLM エージェントの活用
arXiv cs.AI / 2026/3/23
📰 ニュースTools & Practical UsageModels & Research
要点
- PowerLens は、Android デバイス上で安全で個別化されたモバイル電力管理を可能にする LLM エージェントを活用します。ユーザー活動とシステムパラメータを常識的推論を通じて橋渡しします。
- PowerLens は、18 のデバイスパラメータにわたる総合的な電力ポリシーを生成するマルチエージェントアーキテクチャを採用し、暗黙的なフィードバックを介して個々の嗜好に合わせたゼロショットの文脈認識ポリシ生成を可能にします。
- PDLベースの制約フレームワークが、実行前に各アクションを検証し、安全性と信頼性を確保します。
- 信頼度ベースの蒸留を通じて、暗黙的なユーザーオーバーライドから個別の嗜好を学習する二層メモリシステムで、明示的な設定なしで3〜5日以内に収束します。
- ルート化された Android デバイスでの実験結果は、ストック Android に比べてアクション精度が81.7%、エネルギー節約が38.8%となり、システムは日常のバッテリー容量のわずか0.5%を消費し、高いユーザー満足度を示しました。
