Informatique - Systèmes multi-agents

Une approche flexible pour analyser les relations changeantes dans les données à plusieurs sorties.

Examiner l'impact de la qualité des données sur la recherche en apprentissage par renforcement multi-agent hors ligne.

Des recherches montrent comment des robots liés peuvent gérer efficacement des surfaces inégales.

Une étude sur comment l'IA peut bosser ensemble pour gérer les disruptions efficacement.

Comment les véhicules connectés et autonomes vont impacter nos trajets quotidiens et la circulation.

Un nouveau cadre améliore la façon dont les modèles linguistiques interagissent grâce à des invites itératives.

Des recherches montrent des techniques améliorées pour la recherche de chemins avec plusieurs agents dans des espaces partagés.

Une nouvelle méthode améliore l'équité et l'utilisation des fonds dans le budget communautaire.

Explorer différents types et applications de problèmes d'appariement dans divers domaines.

Un nouveau système encourage les perspectives diverses dans les discussions sur l'intelligence artificielle.

Une nouvelle méthode améliore l'efficacité de la manutention des matériaux en utilisant l'apprentissage par renforcement multi-agent.

Une méthode pour estimer les objectifs des capteurs au milieu d'observations bruyantes.

AssistantX est un assistant robotique intelligent conçu pour des tâches de bureau dynamiques.

Un guide pour expliquer le comportement des agents IA avec des Graphiques de Politique afin d'instaurer plus de confiance.

S'attaquer aux défis de localisation des installations avec des préférences utilisateur connues et inconnues.

Un nouveau modèle s'attaque à la demande énergétique des véhicules électriques grâce à une planification efficace.

Une nouvelle méthode aide les robots à apprendre le travail d'équipe grâce au soutien des humains.

Un nouveau cadre améliore la prise de décision dans des environnements multi-agents incertains en utilisant la technologie VAE.

Cet article parle d'une méthode pour améliorer la classification en utilisant des réseaux d'agents.

Explore comment quantifier la responsabilité dans les équipes.

Découvrez comment MADQN améliore l'efficacité dans la planification des véhicules autonomes dans les usines.

Une nouvelle approche améliore le travail d'équipe entre les personnages de jeu avec des rôles distincts.

Apprends comment les agents utilisent des indices non-verbaux pour communiquer efficacement.

De nouvelles méthodes améliorent la sécurité des robots et leurs interactions avec les humains.

Un nouveau cadre pour repérer les connexions dans les interactions en temps réel.

Découvrez comment les Decision Transformers améliorent la répartition dynamique dans les opérations d'entrepôt.

De nouvelles méthodes permettent aux chatbots de communiquer et de collaborer pour améliorer l'expérience utilisateur.

Découvrez comment AI Metropolis accélère et améliore les interactions des agents dans les simulations.

Les programmes d'IA créent des personnalités à travers des interactions, formant des identités uniques dans un espace virtuel.

DroidSpeak accélère les interactions entre les agents IA pour une meilleure efficacité.

Découvre comment de nouveaux environnements redéfinissent les interactions et la coopération des agents en IA.

Découvre comment des robots comme Alice et Bob bossent ensemble de manière efficace.

Un système multi-agents simplifie les tâches complexes avec des agents spécialisés.

Explore comment les jeux psychologiques influencent nos choix au quotidien.

Examiner comment la théorie des jeux améliore les interactions humain-technologie dans les systèmes modernes.

OffLight utilise une technologie intelligente pour améliorer le trafic dans les grandes villes.

Les agents numériques apprennent et se battent au Tic-Tac-Toe, améliorant leurs compétences grâce à la collaboration.

BudgetMLAgent combine des petits modèles pour des solutions d'apprentissage machine rentables.

Un aperçu de comment les agents collaborent et s'adaptent dans des scénarios de prise de décision.

Une méthode équitable pour choisir les participants en fonction de leurs performances.