Computerwissenschaften - Multiagentensysteme

Ein flexibler Ansatz zur Analyse sich verändernder Beziehungen in Mehr-Ausgabe-Daten.

Untersuchung der Auswirkungen von Datenqualität auf die Forschung zu offline Multi-Agenten-Verstärkungslernen.

Forschung zeigt, wie vernetzte Roboter unebene Flächen effektiv bewältigen können.

Eine Studie darüber, wie KI zusammenarbeiten kann, um Störungen effektiv zu bewältigen.

Wie vernetzte und autonome Fahrzeuge den Arbeitsweg und den Verkehrsfluss beeinflussen werden.

Ein neues Framework verbessert, wie Sprachmodelle durch iterative Aufforderungen interagieren.

Forschung zeigt verbesserte Techniken für die Pfadsuche mit mehreren Agenten in gemeinsamen Räumen.

Eine neue Methode verbessert die Fairness und die Nutzung von Mitteln im Community-Budgeting.

Die Erforschung verschiedener Arten und Anwendungen von Zuordnungsproblemen in verschiedenen Bereichen.

Ein neues System fördert vielfältige Perspektiven in Diskussionen über künstliche Intelligenz.

Eine neue Methode steigert die Effizienz bei der Materialhandhabung mithilfe von Multi-Agenten-Verstärkungslernen.

Eine Methode zur Schätzung von Sensorzielen bei verrauschten Beobachtungen.

AssistantX ist ein smarter Roboterassistent, der für dynamische Bürotasks entwickelt wurde.

Ein Leitfaden zur Erklärung des Verhaltens von KI-Agenten mithilfe von Policy Graphs für mehr Vertrauen.

Herausforderungen bei der Standortwahl von Einrichtungen mit bekannten und unbekannten Nutzerpräferenzen angehen.

Ein neues Modell geht die Energienachfrage von Elektrofahrzeugen durch effektive Planung an.

Eine neue Methode hilft Robotern, Teamarbeit durch menschliche Unterstützung zu lernen.

Ein neues Framework verbessert die Entscheidungsfindung in unsicheren Multi-Agenten-Umgebungen mit VAE-Technologie.

In diesem Artikel geht's um eine Methode für besseres Klassifizieren mit Agentennetzwerken.

Erforscht, wie man Verantwortung in Teamsettings quantifizieren kann.

Entdecke, wie MADQN die Effizienz bei der Planung von autonomen Fahrzeugen in Fabriken verbessert.

Ein neuer Ansatz verbessert die Teamarbeit zwischen Spielcharakteren mit unterschiedlichen Rollen.

Lern, wie Agenten nonverbale Hinweise nutzen, um effektiv zu kommunizieren.

Neue Methoden verbessern die Sicherheit von Robotern und deren Interaktionen mit Menschen.

Ein neues Framework, um Verbindungen in Echtzeit-Interaktionen zu erkennen.

Lern, wie Decision Transformers das dynamische Dispatching in Lagerbetrieben verbessern.

Neue Methoden ermöglichen es Chatbots, zu kommunizieren und zusammenzuarbeiten, um die Benutzererfahrung zu verbessern.

Entdecke, wie AI Metropolis die Interaktionen von Agenten in Simulationen beschleunigt und verbessert.

KI-Programme entwickeln Persönlichkeiten durch Interaktionen und bilden so einzigartige Identitäten in einem virtuellen Raum.

DroidSpeak beschleunigt die Interaktionen zwischen KI-Agenten für bessere Effizienz.

Entdecke, wie neue Umgebungen die Interaktionen und die Zusammenarbeit von Agenten in der KI neu gestalten.

Lern, wie Roboter wie Alice und Bob effizient zusammenarbeiten.

Ein Multi-Agenten-System vereinfacht komplexe Aufgaben mit spezialisierten Agenten.

Erforsche, wie psychologische Spiele unsere Entscheidungen im Alltag beeinflussen.

Untersuchen, wie Spieltheorie die Interaktionen zwischen Mensch und Technologie in modernen Systemen verbessert.

OffLight nutzt smarte Technik, um den Verkehr in belebten Städten zu verbessern.

Digitale Agenten lernen und treten im Tic-Tac-Toe gegeneinander an und verbessern ihre Fähigkeiten durch Zusammenarbeit.

BudgetMLAgent kombiniert kleine Modelle für kostengünstige Machine-Learning-Lösungen.

Ein Blick darauf, wie Agenten in Entscheidungsszenarien zusammenarbeiten und sich anpassen.

Eine faire Methode, um Teilnehmer basierend auf ihrer Leistung auszuwählen.