Informatica - Sistemi multiagente

I robot collaborano per costruire in modo efficiente in ambienti complessi.

Migliorare le esperienze degli utenti con una migliore spinta dei contenuti per i fornitori.

Un metodo per garantire un consenso affidabile tra gli agenti nonostante comportamenti malevoli.

I robot possono lavorare insieme senza un leader, imitando l'efficienza della natura.

Un approccio fresco per capire le interazioni tra agenti e la conoscenza nei sistemi.

La ricerca mette in evidenza metodi più intelligenti per valutare i trattamenti per il Disturbo da Uso di Oppioidi.

La previsione del movimento è fondamentale per il funzionamento sicuro dei veicoli autonomi, migliorando il flusso del traffico e il processo decisionale.

Un nuovo metodo migliora l'analisi dei sistemi complessi concentrandosi sui cluster.

Esplorare approcci innovativi per migliorare la ricerca di percorsi dei robot in ambienti complessi.

Questo metodo semplifica la scelta di algoritmi e impostazioni per i compiti di machine learning.

Valutare l'efficienza negli algoritmi MARL attraverso metodi di comunicazione e formazione.

Esaminare come i veicoli autonomi imparano a guidare insieme e a competere in modo efficace.

Presentiamo CRAMP, un metodo che migliora la navigazione degli agenti in ambienti affollati.

Questo articolo parla di ottimizzazione distribuita auto-guarente per una resilienza di rete efficace.

Esplora come i sistemi multi-agente migliorano le performance della produzione attraverso la gestione dei dati in tempo reale.

Gestire la ricarica delle auto elettriche per stabilizzare la rete elettrica, senza compromettere la privacy dei guidatori.

Nuovi metodi di valutazione per modelli di linguaggio di grandi dimensioni nella sanità.

Nuovi metodi di IA migliorano l'addestramento al combattimento aereo con decisioni gerarchiche.

Un approccio da marketplace per semplificare i contratti elettronici per i servizi cloud.

Utilizzando la teoria dei giochi, i robot coordinano i movimenti in spazi ristretti per evitare collisioni.

Migliorare l'utilizzo dei camion attraverso la collaborazione può ridurre significativamente le emissioni di carbonio.

Esplorare come i veicoli autonomi possono comunicare le loro azioni future per una guida più sicura.

Macop addestra gli agenti a adattarsi e lavorare meglio con qualsiasi compagno di squadra.

Uno sguardo a come i bambini deducono il loro stato sporco attraverso il ragionamento.

Una guida all'apprendimento automatico distribuito collaborativo mantenendo la privacy dei dati.

Un nuovo metodo per gestire la ricarica dei veicoli elettrici usando l'apprendimento per rinforzo multi-agente.

DREAM migliora come i robot gestiscono compiti ed energia in situazioni difficili.

Nuovo metodo permette agli agenti di imparare insieme mentre gestiscono influenze inaffidabili.

Questo studio esamina il comportamento dell'IA nelle simulazioni di guerra e le sue implicazioni per le decisioni militari.

Un dataset che contiene replay di StarCraft II per analizzare le interazioni tra più agenti.

Scopri come il backbone di controllabilità aiuta a gestire in modo efficace gli agenti collegati.

Esaminare l'efficienza e l'equità nell'assegnazione dei compiti ai veicoli in tempo reale.

Un nuovo metodo per migliorare il processo decisionale in ambienti multi-agente.

Scopri come i processi collettivi distribuiti migliorano il lavoro di squadra tra i dispositivi intelligenti.

Esplorando l'algoritmo DiSC-UCB per una selezione d'azione efficace in ambienti incerti.

Esplorare come l'identità sociale influenzi le scelte negli agenti AI per il trasporto urbano.

Analizzando il processo decisionale e l'equità attraverso il prisma del Gioco dell'Ultimatum.

I robot possono lavorare meglio in team condividendo le loro abilità.

Metodi innovativi per migliorare l'esecuzione dei compiti e ridurre i fallimenti nel crowdsourcing.

Uno studio su come le azioni individuali influenzano la stabilità economica e le interazioni.