Informatique - Systèmes multi-agents

Les agents créent un langage pour les références spatiales dans les observations pendant le jeu.

Examiner des stratégies pour lutter contre le dark pooling dans les espaces publicitaires numériques.

La recherche sur HOP améliore l'adaptabilité des agents IA dans des jeux à motivations mixtes.

Explore comment les jeux causals modélisent la prise de décision parmi les agents.

Un nouvel algorithme améliore l'apprentissage des ordinateurs dans les jeux compétitifs.

Explorer le rôle de l'informatique quantique dans l'amélioration de l'efficacité de l'apprentissage multi-agents.

TreeInstruct guide les étudiants dans le débogage grâce à des méthodes de questionnement efficaces.

Aborder la distribution d'énergie pour des systèmes coopératifs robustes.

De nouvelles méthodes améliorent la communication et la précision dans les systèmes d'apprentissage décentralisés.

Les taxis volants pourraient transformer le transport urbain en évitant le trafic et en offrant des trajets rapides.

Cet article explore comment les adversaires impactent le travail d'équipe entre les modèles de langue.

Un nouvel algorithme optimise les systèmes multi-agents tout en protégeant la vie privée des utilisateurs.

Un nouveau cadre améliore l'efficacité d'apprentissage dans les systèmes multi-agents grâce à une modélisation du monde innovante.

INDICT améliore la sécurité du code et son utilité grâce à une analyse à double critique.

Examiner l'importance de l'équité dans le partage d'informations entre des groupes divers.

Un nouveau modèle améliore la communication et la formation entre les agents en utilisant des cartes de croyance.

Découvrez comment les systèmes multi-agents améliorent l'automatisation des tâches et la résolution de problèmes.

Un aperçu des stratégies pour gérer de grands groupes d'agents grâce à l'apprentissage par renforcement.

Les agents apprennent à jouer stratégiquement à Pommerman grâce à une méthode d'entraînement bien structurée.

Une nouvelle méthode améliore la fraîcheur des données pour les véhicules intelligents grâce à des algorithmes innovants.

Un nouveau modèle montre comment fonctionnent l'apprentissage social et l'imitation des comportements.

Les agents doivent relever le défi de rassembler des ressources tout en assurant la durabilité.

S'attaquer aux défis de coordination dans l'apprentissage par renforcement multi-agents hors ligne.

IBSEN améliore la création de scénarios de drame avec un récit maîtrisé et un engagement des personnages.

WARP-CA propose une approche innovante pour prédire et contrôler les incendies de forêt.

Découvrez comment PhysiBoSS simplifie la modélisation biologique complexe pour les chercheurs.

Des chercheurs créent des fausses populations réalistes pour étudier les comportements et les patterns sociaux.

Un aperçu de comment les agents adaptent leurs stratégies dans des environnements complexes.

Un nouveau système améliore la précision de la résolution de puzzles Zebra grâce à des agents IA et des modèles de langage.

Une étude révèle comment des règles simples mènent à des patterns complexes dans divers systèmes.

Examiner les interactions entre les agents dans des environnements de prise de décision.

Une nouvelle approche des systèmes décentralisés qui améliore la collaboration et la prise de décision des agents.

Un nouvel algorithme améliore la prise de décision dans des environnements multi-agents avec une visibilité limitée.

Le cadre RSHPN améliore la fiabilité et la sécurité des systèmes robotiques grâce à une meilleure analyse.

Cet article examine comment des hiérarchies sociales se forment entre des groupes concurrents.

Cet article parle d'une méthode pour un accostage sécurisé des vaisseaux spatiaux dans des orbites complexes.

Les paiements entre les agents peuvent influencer les résultats des enchères et la coopération entre les joueurs.

Examen de comment les réseaux sociaux influencent la formation d'opinions et la polarisation.

Un guide des moteurs de physique populaires pour la recherche en apprentissage par renforcement.

Une nouvelle méthode permet aux agents de s'adapter rapidement quand des échecs se produisent.