Informática - Sistemas Multiagentes

Agentes fazem escolhas em um ambiente de múltiplos agentes usando previsões pra ter resultados melhores.

A Gridt oferece um sistema único para comunicação em grupo e tomada de decisão de forma eficaz.

Analisando como as empresas podem compartilhar previsões pra melhorar os resultados.

Explorando como veículos autônomos podem se integrar com segurança no espaço aéreo movimentado.

Explorando como as máquinas podem aprender umas com as outras através do aprendizado contínuo distribuído.

Um sistema pra melhorar a representação cultural na IA através de diálogos simulados.

Esse artigo analisa como sensores melhoram as decisões mesmo com dados incompletos.

ReAd melhora o trabalho em equipe dos robôs ao aprimorar os mecanismos de planejamento e feedback.

Estudo revela caminhos rápidos para equilíbrios de Nash eficientes em jogos potenciais.

A Teoria da Divergência de Tráfego dá umas dicas de como gerenciar o desempenho da rede de forma eficaz.

Usar veículos elétricos pra fornecer energia pras estações base de telecomunicações durante falhas.

Este estudo investiga como os agentes se comunicam através da imitação de sinais úteis.

Aprendizado por imitação ajuda robôs a se mexerem melhor em ambientes movimentados.

Um novo método melhora o fluxo de trânsito e a eficiência do combustível em interseções complexas.

A IA ajuda a simplificar o design de experimentos em pesquisa genética para saúde e doenças.

SwarmRL ajuda cientistas a controlar micro-robôs pra várias aplicações, especialmente na medicina.

Uma nova abordagem pra entender funções de recompensa complexas no comportamento da IA.

Um novo método melhora a colaboração entre robôs na exploração de labirintos.

Um novo método permite que os agentes sigam as regras de segurança em uma linguagem simples.

LAGMA melhora a cooperação entre múltiplos agentes e a eficiência do aprendizado através de uma orientação de objetivos.

Os agentes melhoram as previsões juntos, respeitando a privacidade e as limitações.

Um novo método melhora a precisão na escolha focando em preferências parciais.

Uma ferramenta completa para modelar fenômenos de propagação em redes complexas.

Explorando as complexidades de alinhar sistemas de IA com os diversos interesses humanos.

Dois algoritmos melhoram a tomada de decisão para agentes em ambientes competitivos e cooperativos.

Uma plataforma feita pra agentes de IA aprenderem várias habilidades através de minijogos.

Explorando como os dispositivos podem trabalhar juntos pra ter mais eficiência e desempenho.

Um olhar sobre medidas de risco na tomada de decisão em estruturas de múltiplos agentes.

Drones rastreiam alvos em movimento em áreas urbanas usando modelagem ambiental avançada.

Os agentes criam uma linguagem pra referências espaciais nas observações durante o jogo.

Analisando estratégias pra combater dark pooling em espaços de anúncios digitais.

A pesquisa sobre HOP aumenta a adaptabilidade dos agentes de IA em jogos de motivos mistos.

Explore como jogos causais modelam a tomada de decisão entre os agentes.

Um novo algoritmo melhora o aprendizado de computador em jogos competitivos.

Explorando o papel da computação quântica em melhorar a eficiência do aprendizado multiagente.

O TreeInstruct ajuda os alunos a depurar com métodos de questionamento eficazes.

Tratando da distribuição de energia para sistemas cooperativos robustos.

Novos métodos melhoram a comunicação e a precisão em sistemas de aprendizado descentralizados.

Os táxis aéreos podem transformar o transporte urbano, evitando o trânsito e oferecendo corridas rápidas.

Este artigo explora como adversários impactam o trabalho em equipe entre modelos de linguagem.