Computerwissenschaften - Multiagentensysteme

Einsatz von Elektrofahrzeugen, um bei Stromausfällen Energie für Telekom-Basisstationen bereitzustellen.

Diese Studie untersucht, wie Agenten durch Nachahmung nützlicher Signale kommunizieren.

Imitationslernen hilft Robotern, sich besser in belebten Umgebungen zu bewegen.

Eine neue Methode verbessert den Verkehrsfluss und die Kraftstoffeffizienz an komplexen Kreuzungen.

KI hilft dabei, das Design von Experimenten in der genetischen Forschung für Gesundheit und Krankheiten zu optimieren.

SwarmRL hilft Wissenschaftlern, Mikro-Roboter für verschiedene Anwendungen, besonders in der Medizin, zu steuern.

Ein neuer Ansatz, um komplexe Belohnungsfunktionen im Verhalten von KI zu verstehen.

Eine neue Methode verbessert die Zusammenarbeit von Robotern bei der Erkundung von Labyrinthen.

Eine neue Methode ermöglicht es Agenten, Sicherheitsregeln in einfacher Sprache zu befolgen.

LAGMA verbessert die Zusammenarbeit und Lerneffizienz von mehreren Agenten durch Zielanleitung.

Agenten verbessern gemeinsam Vorhersagen, während sie Privatsphäre und Einschränkungen respektieren.

Eine neue Methode verbessert die Auswahlgenauigkeit, indem sie sich auf teilweise Vorlieben konzentriert.

Ein umfassendes Tool zum Modellieren von Ausbreitung Phänomenen in komplexen Netzwerken.

Die Komplexität, KI-Systeme mit den unterschiedlichen menschlichen Interessen in Einklang zu bringen, erkunden.

Zwei Algorithmen verbessern die Entscheidungsfindung für Agenten in wettbewerbsorientierten und kooperativen Umgebungen.

Eine Plattform, die für KI-Agenten entwickelt wurde, um durch Minispiele verschiedene Fähigkeiten zu erlernen.

Erforschen, wie Geräte zusammenarbeiten können für bessere Effizienz und Leistung.

Ein Blick auf Risikomassnahmen bei der Entscheidungsfindung für Multi-Agenten-Rahmenbedingungen.

Drohnen verfolgen sich bewegende Ziele in städtischen Gebieten mithilfe von fortschrittlicher Umweltmodellierung.

Agenten erstellen eine Sprache für räumliche Referenzen in Beobachtungen während des Spiels.

Strategien zur Bekämpfung von Dark Pooling in digitalen Werbeflächen untersuchen.

Forschung zu HOP steigert die Anpassungsfähigkeit von KI-Agenten in Mischmotivation Spielen.

Erforsche, wie kausale Spiele das Entscheidungsverhalten von Agenten modellieren.

Ein neuer Algorithmus verbessert das Computerlernen in Wettkampfspielen.

Die Rolle von Quantencomputing bei der Verbesserung der Effizienz des Multi-Agenten-Lernens erkunden.

TreeInstruct hilft Schülern beim Debuggen durch effektive Fragetechniken.

Die Adressierung der Energieverteilung für robuste kooperative Systeme.

Neue Methoden verbessern die Kommunikation und Genauigkeit in dezentralen Lernsystemen.

Lufttaxis könnten den städtischen Verkehr revolutionieren, indem sie den Strassenverkehr umgehen und schnelle Fahrten anbieten.

Dieser Artikel untersucht, wie Gegner die Teamarbeit zwischen Sprachmodellen beeinflussen.

Ein neuer Algorithmus optimiert Multi-Agenten-Systeme und schützt dabei die Privatsphäre der Nutzer.

Ein neues Framework verbessert die Lerneffizienz in Multi-Agenten-Systemen durch innovative Weltmodellierung.

INDICT verbessert die Codesicherheit und -hilfsbereitschaft durch doppelte Kritik-Analyse.

Die Bedeutung von Fairness beim Teilen von Informationen zwischen unterschiedlichen Gruppen untersuchen.

Ein neues Modell verbessert die Kommunikation und das Training von Agenten mithilfe von Glaubenskarten.

Entdecken Sie, wie Multi-Agenten-Systeme die Aufgabenautomatisierung und Problemlösung verbessern.

Ein Blick auf Strategien zur Verwaltung grosser Gruppen von Agenten durch verstärkendes Lernen.

Agenten lernen strategisches Gameplay in Pommerman durch einen strukturierten Trainingsansatz.

Eine neue Methode verbessert die Datenaktualität für smarte Fahrzeuge mit innovativen Algorithmen.

Ein neues Modell zeigt die Dynamik von sozialem Lernen und Verhaltensnachahmung.