Informática - Sistemas multiagente

Los proveedores de servicios logísticos pueden mejorar sus operaciones a través de una colaboración efectiva.

Un nuevo marco mejora la toma de decisiones en tiempo real en agentes robóticos.

Los robots colaboran para construir de manera eficiente en entornos complejos.

Mejorando la experiencia del usuario con mejores sugerencias de contenido para los proveedores.

Un método para asegurar un consenso confiable entre agentes a pesar de comportamientos maliciosos.

Los robots pueden trabajar juntos sin un líder, imitando la eficiencia de la naturaleza.

Un enfoque nuevo para entender las interacciones y el conocimiento de los agentes en los sistemas.

La investigación resalta métodos más inteligentes para evaluar tratamientos para el Trastorno por Uso de Opioides.

La predicción de movimientos es clave para el funcionamiento seguro de vehículos autónomos, mejorando el flujo de tráfico y la toma de decisiones.

Un nuevo método mejora el análisis de sistemas complejos al centrarse en los clústeres.

Explorando enfoques innovadores para mejorar la búsqueda de caminos robóticos en entornos complejos.

Este método simplifica la elección de algoritmos y configuraciones para tareas de aprendizaje automático.

Evaluando la eficiencia en algoritmos de MARL a través de métodos de comunicación y entrenamiento.

Examinando cómo los vehículos autónomos aprenden a conducir juntos y a competir de manera efectiva.

Te presento CRAMP, un método que mejora la navegación de agentes en entornos concurridos.

Este artículo habla sobre la optimización distribuida de auto-sanación para una resiliencia efectiva en redes.

Explora cómo los sistemas multiagente mejoran el rendimiento de la manufactura a través de la gestión de datos en tiempo real.

Gestionando la carga de vehículos eléctricos para estabilizar la red eléctrica y asegurando la privacidad de los conductores.

Nuevos métodos de evaluación para modelos de lenguaje grandes en el sector de la salud.

Nuevos métodos de IA mejoran el entrenamiento de combate aéreo con toma de decisiones jerárquica.

Un enfoque de mercado para agilizar los contratos electrónicos de servicios en la nube.

Usando la teoría de juegos, los robots coordinan sus movimientos en áreas estrechas para evitar colisiones.

Mejorar la utilización de camiones mediante colaboración puede reducir las emisiones de carbono de manera significativa.

Explorando cómo los AVs pueden comunicar sus futuras acciones para una conducción más segura.

Macop entrena a los agentes para que se adapten y trabajen mejor con cualquier compañero.

Una mirada a cómo los niños deducen su estado de barro a través del razonamiento.

Una guía para el aprendizaje automático distribuido colaborativo manteniendo la privacidad de los datos.

Un nuevo método para gestionar la carga de vehículos eléctricos usando aprendizaje por refuerzo multi-agente.

DREAM mejora cómo los robots manejan tareas y energía en entornos difíciles.

Un nuevo método permite que los agentes aprendan juntos mientras manejan influencias poco confiables.

Este estudio examina el comportamiento de la IA en simulaciones de guerra y sus implicaciones para las decisiones militares.

Un conjunto de datos con repeticiones de StarCraft II para analizar interacciones entre múltiples agentes.

Aprende cómo el backbone de controlabilidad ayuda a manejar agentes en red de manera efectiva.

Examinando la eficiencia y la equidad en la asignación de tareas de vehículos en tiempo real.

Un nuevo método para mejorar la toma de decisiones en entornos de múltiples agentes.

Aprende cómo los Procesos Colectivos Distribuidos mejoran el trabajo en equipo entre dispositivos inteligentes.

Explorando el algoritmo DiSC-UCB para una selección de acciones efectiva en entornos inciertos.

Explorando cómo la identidad social moldea las decisiones en agentes de IA para el transporte urbano.

Analizando la toma de decisiones y la justicia a través del juego del ultimátum.

Los robots pueden trabajar mejor en equipo al compartir sus habilidades.