119 articoli
Questo articolo presenta XR-DT, un framework di Gemello Digitale potenziato dalla Realtà Estesa che integra un modello di controllo predittivo HA-MPPI e un sistema di previsione delle traiettorie umane basato su Transformer per garantire una pianificazione sicura ed efficiente della navigazione robotica in ambienti condivisi con esseri umani.
Questo lavoro propone un framework di addestramento regolarizzato per la privacy che affronta la perdita di informazioni compositiva nei sistemi sequenziali multi-agente LLM, dimostrando che la protezione dei dati richiede un controllo a livello di sistema piuttosto che vincoli locali isolati.
Il paper presenta RACAS, un'architettura agente basata su modelli linguistici che permette il controllo a ciclo chiuso di robot eterogenei tramite descrizioni in linguaggio naturale, eliminando la necessità di riaddestramento o modifiche al codice sorgente quando si cambia piattaforma.
Questo studio introduce nuove metriche di alternanza temporale per rivelare come, nel gioco "Battle of the Exes" multi-agente, le tradizionali misure di efficienza e equità possano nascondere gravi carenze di coordinamento temporale, portando le politiche apprese a performare significativamente peggio rispetto a baseline casuali nonostante alti punteggi aggregati.
Questo studio analizza come il modello linguistico GPT-J-6B rappresenti internamente il concetto di fiducia, rivelando che la sua allineamento strutturale corrisponde maggiormente al modello socio-cognitivo di Castelfranchi rispetto ad altri modelli umani.
Questo studio utilizza simulazioni di mercati artificiali per dimostrare che, durante un crollo dei prezzi, l'arbitraggio tra ETF a leva e futures funge da meccanismo di stabilizzazione che trasferisce liquidità (in termini di profondità di vendita e rigidità dei prezzi) dal mercato stabile a quello colpito, mitigando così l'impatto degli errori di trading.
Il paper presenta MASFactory, un framework centrato sui grafi per orchestrare sistemi multi-agente basati su LLM che introduce il "Vibe Graphing", un approccio interattivo che traduce intenti in linguaggio naturale in flussi di lavoro eseguibili, facilitando la riutilizzabilità, l'integrazione di contesti eterogenei e la visualizzazione del processo.
Questo articolo introduce la "Conversational Demand Response" (CDR), un meccanismo di coordinamento bidirezionale basato sull'intelligenza artificiale agentic che permette agli aggregatori e ai prosumer di interagire tramite linguaggio naturale, colmando il divario tra automazione scalabile e la necessità di trasparenza e controllo utente per garantire una partecipazione sostenibile.
Il paper propone un'architettura di orchestrazione "schema-gated" che risolve il compromesso tra flessibilità conversazionale e determinismo esecutivo nei flussi di lavoro scientifici, separando l'autorità dialogica da quella operativa per garantire riproducibilità e governance senza rigidità.
Il documento presenta il VAS-CFA, un quadro che allinea i grandi modelli linguistici ai valori umani istanziando agenti morali multipli con prospettive normative distinte e fondendo le loro risposte tramite l'analisi della fusione combinatoria per superare i limiti dei metodi di valutazione singola.
Il documento presenta l'iSWE Agent, un sistema automatizzato che combina tecniche basate su regole e modelli linguistici per risolvere problemi nei repository di codice Java, ottenendo risultati all'avanguardia su benchmark specifici.
Il paper presenta VMAO, un framework di orchestrazione multi-agente che risolve query complesse decomponendole in un grafo aciclico diretto, eseguendo sottodomini in parallelo e migliorando la completezza e la qualità delle risposte attraverso un ciclo iterativo di verifica e ripianificazione guidato da LLM.
Il paper introduce un nuovo approccio di rilevamento degli eventi nelle serie temporali multivariate, denominato "Knowledge-Guided TSED", che utilizza un agente neuro-simbolico basato su un modello linguistico-visivo (VLM) e una rappresentazione logica chiamata "Event Logic Tree" (ELT) per identificare eventi complessi in contesti a dati limitati, fornendo allo stesso tempo rilevamenti precisi e spiegazioni interpretabili.
Questo articolo propone una teoria dinamica dell'adattamento che spiega come l'intelligenza emerga dalla coordinazione strutturale tra agenti, incentivi e un ambiente persistente, senza presupporre ottimizzazione globale, aspettative razionali o progettazione centralizzata.
Questo studio presenta un framework basato sull'apprendimento per rinforzo multi-agente che utilizza droni coordinati tramite nodi ancoraggio virtuali per localizzare con maggiore precisione ed efficienza le fonti di emissioni di gas rispetto ai metodi tradizionali.
Il paper introduce la Deliberative Collective Intelligence (DCI), un framework che migliora significativamente la risoluzione di compiti complessi e non routinari attraverso un processo strutturato di ragionamento collettivo con atti epistemici tipizzati, pur evidenziando un elevato costo computazionale e una minore efficacia rispetto a un singolo agente su decisioni di routine.
Questo articolo stabilisce che il controllo modulare dei sistemi multi-agente pushdown è completo per 2EXPTIME rispetto alle specifiche ATL e 4EXPTIME rispetto alle specifiche ATL*, quest'ultima rappresentando un raro esempio di problema decisionale elementare con complessità superiore al tempo triplamente esponenziale.
Questo articolo presenta un sistema di difesa aerea integrato basato su agenti che utilizza l'architettura BDI e il ragionamento sui piani per automatizzare completamente le funzioni di comando e controllo, come il rilevamento, la valutazione delle minacce e l'allocazione delle armi, senza necessità di input manuali.
Il documento presenta un algoritmo per calcolare tutte le strategie evolutivamente stabili in giochi normali non degeneri con tre o più giocatori.
Questo paper propone e valida un nuovo modello di agenti BDI in tempo reale, che integra la gestione esplicita dei vincoli temporali e delle risorse nel ciclo di controllo per superare i limiti di reattività delle implementazioni esistenti, dimostrandone l'efficacia in un ambiente di gioco video.