Informática - Sistemas multiagente

Un nuevo método mejora la evaluación de políticas en sistemas multiagente descentralizados.

Un marco para alinear acciones con los valores personales y organizacionales.

Una mirada a cómo los robots pueden trabajar juntos para el mapeo de recursos en el espacio.

Una visión general de los protocolos de comunicación en sistemas distribuidos centrándose en los Protocolos de Difusión No Bloqueantes Solo de Espera.

Un nuevo método mejora el entrenamiento de coches autónomos a través de una interacción parecida a la humana.

Examinando juegos de Stackelberg y estrategias de precios en cadenas de suministro.

Una mirada a la integración del aprendizaje automático y la búsqueda heurística para una mejor coordinación de agentes.

UniV2X mejora la conducción autónoma a través de la colaboración entre vehículos e infraestructuras.

Una mirada a los juegos de campo medio y su papel en sistemas multiagente.

Un enfoque nuevo permite a los agentes optimizar de manera colaborativa con un intercambio mínimo de datos.

Estudio del trabajo en equipo entre agentes con desafíos de coordinación únicos.

La mejor forma de respuesta mejora la cooperación entre agentes en entornos competitivos.

Una mirada a estrategias efectivas para negociar contratos dentro de redes financieras.

El método MACM mejora la precisión de los modelos de lenguaje grandes para resolver problemas matemáticos complejos.

Revolucionando el rendimiento de los agentes a través de la evaluación y la acumulación de experiencia.

Presentamos ARMCHAIR, un sistema para mejorar el trabajo en equipo entre humanos y robots.

Este estudio examina cómo los retrasos afectan la aproximación estocástica en el aprendizaje por refuerzo.

Los CAVs pueden mejorar el flujo de tráfico y la seguridad a través de la comunicación y la cooperación.

Una mirada a los problemas de ubicación de instalaciones y el impacto de las funciones de escalado.

Un nuevo método que usa aprendizaje profundo enfrenta fallos en cascada en redes complejas.

Este artículo analiza cómo los grupos sociales se separan en las áreas urbanas.

Este estudio se centra en mejorar la coordinación en sistemas con comunicación limitada.

Un nuevo método mejora el aprendizaje de estrategias para agentes en sistemas multiagente.

Un nuevo marco mejora el aprendizaje por imitación en medio de señales cambiantes en sistemas multi-agente.

Combinando el aprendizaje contrastivo con la teoría de control para el análisis de gráficos.

Este estudio se centra en monitorear de manera efectiva los comportamientos y relaciones de sistemas complejos.

Dos técnicas innovadoras mejoran el control de la dinámica de grupo en diferentes entornos.

RAGAR combina texto e imágenes para mejorar la verificación de hechos políticos.

Un marco para optimizar los recursos de computación para sistemas de transporte modernos.

Un nuevo enfoque para el modelado basado en agentes protege la privacidad de las personas mientras mantiene la precisión de los datos.

Nuevo enfoque de simulación que utiliza agentes de aprendizaje y refleja la dinámica real del mercado.

Un sistema que simula batallas para revelar las experiencias de los soldados.

Un nuevo enfoque reduce la coordinación en sistemas multiagente para una mejor navegación.

MA-COPP ofrece nuevas ideas sobre cómo predecir resultados en entornos complejos con múltiples agentes.

Este artículo examina cómo los permisos afectan los resultados en sistemas multiagente.

Descubre cómo los robots colaboran para explorar entornos desconocidos de manera eficiente.

Un marco para evaluar estrategias de IA en entornos competitivos y cooperativos.

Este estudio analiza cómo los agentes interactúan y alcanzan consenso usando protocolos de datos desordenados.

MESA mejora las estrategias de exploración para los agentes que trabajan juntos en diferentes entornos.

Un nuevo método mejora la eficiencia del entrenamiento de machine learning mientras protege la privacidad de los datos.