Second MOASEI Competition at AAMAS'2026: A Technical Report
Dieser technische Bericht beschreibt den MOASEI-Wettbewerb 2026, der eine dynamische Wildbrandspur und erweiterte Metriken einführte, jedoch eine begrenzte Teilnahme verzeichnete, was zu einem einzigen Ride-Sharing-Eintrag führte, der durch die Anwendung eines DLC-Ansatzes gegen Baseline-Policies gewann.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich ein riesiges, hochkarätiges Videospiel-Turnier vor, bei dem sich die Regeln des Spiels ständig ändern, während die Spieler noch spielen. Das ist im Wesentlichen das, worum es beim MOASEI-Wettbewerb geht.
Dieser in Zypern im Mai 2026 stattgefundene, zweite jährliche Wettbewerb für Forscher im Bereich der Künstlichen Intelligenz (KI) verfolgte das Ziel, nicht nur zu sehen, wer die klügste KI bauen kann, sondern wer eine KI entwickeln kann, die auch dann noch intelligent bleibt, wenn die Welt um sie herum chaotisch, unvorhersehbar und voller Überraschungen wird.
Hier ist eine Aufschlüsselung dessen, was passiert ist, unter Verwendung einiger alltäglicher Analogien:
Die Umgebung: Eine Welt, die nicht stillsteht
In den meisten Computerspielen ist die Karte fest vorgegeben und die Gegner folgen einem Skript. In diesem Wettbewerb ist die „Welt“ ein Open Agent System. Denken Sie an eine belebte Stadtstraße:
- Agents (Agenten) sind wie Autos oder Lieferfahrer.
- Tasks (Aufgaben) sind wie Fahrgäste oder Pakete, die aus dem Nichts auftauchen.
- Der Clou: Manchmal fällt das Auto eines Fahrers aus (Agent ändert sich), manchmal springt ein neuer Fahrgast auf die Straße (Task ändert sich) und manchmal wird der Tank eines Fahrers leer oder seine Karte aktualisiert sich während der Fahrt (Capability/Fähigkeit ändert sich).
Der Wettbewerb testete KI-Teams auf drei verschiedenen „Ebenen“ dieser chaotischen Stadt:
- Wildbrandbekämpfung: Wie ein Team von Feuerwehrleuten, bei denen einige vielleicht den Wasser Vorrat aufbrauchen oder zu müde werden, um ein neues Feuer zu erreichen.
- Cybersicherheit: Wie ein Team von digitalen Wächtern, die versuchen, ein Netzwerk zu schützen, während Hacker ständig ihre Taktiken ändern.
- Ride-Sharing (Fahrgemeinschaften): Wie eine Flotte von Taxis, die versuchen, Fahrgäste abzuholen, die in zufälligen Zeiten und an zufälligen Orten auftauchen.
Die neuen Regeln für 2026
Die Organisatoren wollten das Spiel schwieriger und fairer machen als im letzten Jahr. Sie führten zwei große Änderungen ein:
- Das „Bonus-Level“ (Frame Openness): Im Wildbrand-Track fügten sie eine neue Regel hinzu, bei der sich die Ausrüstung der Feuerwehrleute während der Arbeit ändern konnte. Stellen Sie sich vor, ein Feuerwehrmann stellt plötzlich fest, dass sein Schlauch nur noch halb so viel Wasserdruck hat oder seine Leiter kürzer ist als zuvor. Die KI musste sofort reagieren.
- Bessere Scorecards: Anstatt nur auf einen Endstand („Score“) zu schauen, begannen sie, spezifische Dinge zu zählen wie: Wie viele Jobs wurden erledigt? Wie lange haben die Leute gewartet? Welchen Wert haben wir geschaffen? Es ist der Unterschied zwischen dem Satz „Wir haben das Spiel gewonnen“ und „Wir haben 50 Kunden mit einer durchschnittlichen Wartezeit von 2 Minuten bedient“.
Das Ergebnis: Ein ruhiges Jahr mit einem Starspieler
Trotz der Begeisterung verlief der Wettbewerb 2026 eher ruhig.
- Die Teilnehmerzahl: Acht Teams meldeten sich an, um zu spielen.
- Die Ziellinie: Nur ein einziges Team beendete das Rennen und reichte seine Lösung ein.
- Der Gewinner: Das Team namens DLC spielte nur auf der Ride-Sharing-Ebene. Da sie die einzigen waren, die fertig wurden, gewannen sie diesen Track automatisch.
Wie der Gewinner (DLC) spielte
Das DLC-Team nutzte keine „Rate-und-Check“-Methode. Stattdessen bauten sie eine KI, die wie ein superorganisierter Disponent agiert.
- Die Strategie: Stellen Sie sich einen Taxi-Disponenten vor, der ständig die Karte neu zeichnet. Jedes Mal, wenn ein neuer Fahrgast erscheint, sagt der Disponent nicht einfach nur „Okay, fahr los“. Er hält inne, betrachtet alle Autos, alle neuen Fahrgäste und den Verkehr und plant dann die gesamte Route für alle neu, um sicherzustellen, dass die meisten Menschen mitgenommen werden können.
- Die Leistung:
- Erfolg: Ihre KI war sehr gut darin, Fahrgäste an ihr Ziel zu bringen. Sie schaffte fast so viele Fahrten wie die „gierige“ Baseline (eine KI, die einfach den nächsten verfügbaren Fahrgast nimmt, ohne vorauszuplanen).
- Geschwindigkeit: Sie waren viel schneller darin, Leute abzuholen, als die „First-In-First-Out“-Baselines (die einfach den ersten in der Schlange nehmen).
- Der Kompromiss: Es gab einen Haken. Obwohl DLC mehr Leute einsammelte, dauerten die Fahrten selbst etwas länger. Es ist wie ein Busfahrer, der auf dem Weg zu seinem Ziel noch 10 Leute einsammelt, anstatt einfach direkt zum Ziel zu fahren. Sie brachten mehr Leute irgendwohin, aber die Fahrt dauerte länger.
Was wir gelernt haben
Das Paper schließt mit einigen zentralen Erkenntnissen ab:
- Planung funktioniert: Das DLC-Team bewies, dass eine KI, die ständig ihren Plan überdenkt, sehr gut darin ist, mit einer Welt umzugehen, in der ständig neue Aufgaben auftauchen.
- Die Balance-Frage: Es gibt ein Spannungsfeld zwischen „Dinge erledigen“ und „Dinge schnell erledigen“. Der Gewinner erledigte mehr Aufgaben, brauchte dafür aber mehr Zeit. Zukünftige Wettbewerbe müssen entscheiden, was wichtiger ist.
- Bedarf an mehr Spielern: Die wichtigste Lektion aus 2026 ist, dass der Wettbewerb mehr Teams benötigt. Mit nur einem Eintrag können wir verschiedene KI-Stile (wie „Lernen“ vs. „Planen“) nicht wirklich vergleichen. Die Organisatoren planen, die Regeln klarer zu gestalten und die Start-Werkzeuge zu verbessern, damit beim nächsten Mal mehr Teams teilnehmen können.
Kurz gesagt: Der Wettbewerb 2026 hat gezeigt, dass eine KI, die bereit ist, ihren Tag ständig neu zu planen, eine chaotische Ride-Sharing-Welt sehr gut bewältigen kann, auch wenn die Fahrten dadurch etwas länger dauern. Es war ein erfolgreicher Test für einen spezifischen Ansatz und legte den Grundstein für ein größeres, belebteres Rennen in der Zukunft.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.