Informatica - Sistemi multiagente

Un nuovo metodo migliora l'addestramento delle auto a guida autonoma attraverso interazioni simili a quelle umane.

Esaminando i giochi di Stackelberg e le strategie di prezzo nelle catene di approvvigionamento.

Uno sguardo all'integrazione dell'apprendimento automatico e della ricerca euristica per una migliore coordinazione degli agenti.

UniV2X migliora la guida autonoma grazie alla collaborazione tra veicolo e infrastruttura.

Uno sguardo ai giochi di campo medio e al loro ruolo nei sistemi multiagente.

Un nuovo approccio permette agli agenti di ottimizzare insieme con la minima condivisione di dati.

Studio del lavoro di squadra tra agenti con sfide di coordinamento uniche.

La miglior modellazione delle risposte migliora la cooperazione tra gli agenti in ambienti competitivi.

Uno sguardo a strategie efficaci per negoziare contratti all'interno di reti finanziarie.

Il metodo MACM migliora l'accuratezza dei modelli linguistici grandi nel risolvere problemi matematici complessi.

Rivoluzionare le performance degli agenti attraverso valutazione e accumulo di esperienze.

Presentiamo ARMCHAIR, un sistema per un lavoro di squadra migliore tra umani e robot.

Questo studio analizza come i ritardi influenzano l'approssimazione stocastica nell'apprendimento per rinforzo.

I CAV possono migliorare il flusso del traffico e la sicurezza grazie alla comunicazione e alla cooperazione.

Uno sguardo ai problemi di localizzazione delle strutture e all'impatto delle funzioni di scaling.

Un nuovo metodo che usa il deep learning affronta i fallimenti a catena nelle reti complesse.

Questo articolo esamina come i gruppi sociali si separano nelle aree urbane.

Questo studio si concentra sul migliorare il coordinamento in sistemi con comunicazione limitata.

Un nuovo metodo migliora l'apprendimento delle strategie per gli agenti nei sistemi multi-agente.

Un nuovo framework migliora l'apprendimento per imitazione in sistemi multi-agente con segnali in cambiamento.

Combinare l'apprendimento contrastivo con la teoria del controllo per l'analisi dei grafi.

Questo studio si concentra sul monitoraggio dei comportamenti e delle relazioni dei sistemi complessi in modo efficace.

Due tecniche innovative migliorano il controllo delle dinamiche di gruppo in vari contesti.

RAGAR combina testo e immagini per migliorare il fact-checking politico.

Un framework per ottimizzare le risorse informatiche per i sistemi di trasporto moderni.

Un nuovo approccio per la modellazione basata su agenti protegge la privacy individuale mantenendo l'accuratezza dei dati.

Nuovo approccio di simulazione che usa agenti di apprendimento e riflette le dinamiche reali del mercato.

Un sistema che simula battaglie per rivelare le esperienze dei soldati.

Un nuovo approccio riduce il coordinamento nei sistemi multi-agente per una navigazione migliore.

MA-COPP offre nuove prospettive per prevedere i risultati in contesti complessi con più agenti.

Questo documento esamina come i permessi influenzano i risultati nei sistemi multiagente.

Scopri come i robot collaborano per esplorare ambienti sconosciuti in modo efficiente.

Un framework per valutare le strategie di IA in ambienti competitivi e cooperativi.

Questo studio analizza come gli agenti interagiscono e raggiungono un consenso usando protocolli di dati non ordinati.

MESA migliora le strategie di esplorazione per gli agenti che lavorano insieme in vari ambienti.

Un nuovo metodo migliora l'efficienza dell'addestramento del machine learning mantenendo la privacy dei dati.

WorkBench testa la capacità degli agenti di svolgere compiti d'ufficio realistici con un metodo di valutazione unico.

Uno sguardo a come le emozioni plasmano le divisioni politiche e il processo decisionale.

Uno sguardo su come gli agenti gestiscono la deception e si proteggono.

Nuovi algoritmi affrontano le sfide nell'ottimizzazione distribuita con agenti inaffidabili.