本記事では、動的環境における具現化タスクに対する言語モデルの適用課題に取り組みます。具体的には、NeSyPrという新しいフレームワークを提案し、神経シンボリック手続き化を通じて知識を集約します。これにより、言語モデルベースのエージェントは構造化された適応的かつ迅速な推論能力を得ることができます。NeSyPrでは、まずシンボリックツールが明示的にタスク特有の計画を生成し、それを手続き表現に変換します。このプロセスにより、計画の暗黙の生成ルールが符号化され、作成された手続きが言語モデルの推論プロセスにシームレスに統合されます。NeSyPrは、外部のシンボリックガイダンスに依存せずに効率的な推論をサポートし、レイテンシが重要なリソース制約のある物理システムに最適です。本研究は、PDDLGym、VirtualHome、ALFWorldにおける性能評価を行い、コンパクトな言語モデルでも高効率の推論が実現できることを示しました。