Nov, 2022

面向异构群集的上下文感知智能控制代理

PDF
TL;DR我们提出了一种设计上下文感知的群体控制智能代理的方法，通过运用群体统计量和行为库选择合适的参数，增加控制代理的情境感知而不损失计算效率，成功地在单一群体和多样化群体中进行群体管理。
swarm shepherdingartificial intelligencecontext-awareswarm-controlsituation awareness
发现论文，激发创造
  • Onto4MAT: 用于广义多智能体团队协作的群体管理本体

    本篇研究提出了 Onto4MAT，这是一种形式化的知识表示设计，通过牧羊的生物学方法，促进了人类和团队之间更有效的协作。

    Mar, 2022

  • 受环境影响的演化群体具有有限感知能力的集体行为出现

    本文研究了机器人群体控制器的设计，并探索了一种进化方法来缓解人类开发者对控制器细节和群体行为之间联系的困难。使用微分进化来发展神经网络控制器，实现机器人遵循环境特征的梯度并解决任务。研究表明，进化所得解决方案在控制较差的情况下具有最大的灵活性，而有一个群体规模的 “甜蜜点”，同时观察到群体的集体运动，展示了真正的新兴行为，这是进化过程中未被代表和选择的。

    Mar, 2022

  • 可扩展的基于任务驱动的机器人群控制：碰撞回避和学习的均场控制

    本文提出了一种基于均场控制的智能机器人群体行为设计框架，结合碰撞避免和均场控制学习，通过单智能体分布控制实现多智能体分布控制，实现分布式开环应用并避免碰撞，并在理论和实践上对其进行了有效性验证。

    Sep, 2022

  • 上下文感知多智能体系统研究综述：技术、挑战与未来发展方向

    综述了最新的情境感知多智能体系统，包括对情境感知系统和多智能体系统的特性进行了概述，提出了一个将不同领域的方法结合起来的情境感知系统的一般过程，并讨论了情境感知多智能体系统的现有挑战和未来研究方向。

    Feb, 2024

  • 群集分析：设计信息标记以表征牧羊环境中的群集系统

    该研究提出了一个名为 “swarm analytics” 的新领域，旨在设计和组织一组关于蜂群的信息标记，以便从外部观察者的角度对蜂群进行特征化，并介绍了其设计的信息标记框架以了解蜂群的认知和动态特征。

    Aug, 2022

  • 融合可解释的神经网络学习智能体知识用于群体引导

    提出了一种适用于基于神经网络的学习代理的可解释知识融合框架和 PoWSA 重新训练技术，结果表明该框架在多智能体群集指导任务中增加了 11% 的成功率和更好的稳定性，需要 14.5% 的计算成本来实现解释性。此外，该框架以一种更友好的表示形式呈现代理的学习知识。

    Apr, 2022

  • 分布式群体智能

    本文介绍了一个分布式应用程序的开发，该程序可帮助解决优化问题中的群体智能，并利用 Ray 分布式计算的威力，提供一个用户友好的平台来提高群体智能在问题解决中的理解和实际应用。

    Jan, 2023

  • 适应不同觅食环境的人工学习智能体群行为发展

    应用投影模拟和强化学习方法研究了人工智能智能体在收集资源过程中不同集体运动模式和个体运动趋势

    Apr, 2020

  • 群体系统的引导深度强化学习

    本文研究了如何使用有限的传感能力控制一组合作智能体，使用了基于演员 - 评论家算法的深度强化学习以近似 Q 值函数和策略评估，评估了在寻找和维持距离和定位目标方面的性能。

    Sep, 2017

  • 学习通信感知协调的机器人群体模拟

    本研究主要探讨了如何应用基于观察专家演示的控制器学习算法，训练出端到端的神经网络，用于解决协作多智能体系统中的分布式控制问题，实验结果表明，使用通信策略可以有效提高分布式模型的性能。

    Feb, 2023