XR-DT: Extended Reality-Enhanced Digital Twin for Safe Motion Planning via Human-Aware Model Predictive Path Integral Control
本文提出了 XR-DT 框架,该框架结合扩展现实(XR)数字孪生技术与基于注意力机制的轨迹预测模型,通过新型的人类感知模型预测路径积分(HA-MPPI)控制器,实现了人机共享空间中安全、高效且可解释的机器人运动规划。
121 篇论文
本文提出了 XR-DT 框架,该框架结合扩展现实(XR)数字孪生技术与基于注意力机制的轨迹预测模型,通过新型的人类感知模型预测路径积分(HA-MPPI)控制器,实现了人机共享空间中安全、高效且可解释的机器人运动规划。
该论文针对顺序多智能体大语言模型系统中局部隐私约束无法防止级联泄露的问题,通过形式化互信息泄露并推导理论界,提出了一种隐私正则化训练框架,证明了必须将隐私视为系统级属性以在训练和部署阶段实现有效的隐私 - 效用权衡。
该论文提出了 RACAS 系统,这是一种通过自然语言交互的协作智能体架构,仅需机器人描述、动作定义和任务指令即可在不修改代码或模型权重的情况下,实现对轮式地面机器人、多关节机械臂及水下车辆等多样化平台的统一闭环控制。
该论文指出传统评估指标因缺乏时间敏感性而严重误判多智能体协作质量,通过引入“完美轮替”参考系及六种新型轮替指标,揭示了在“前任之战”变体中即使传统公平性指标很高,Q 学习智能体的实际协作表现仍可能远低于随机基线,从而强调了在分析多智能体动态时采用时间感知观测量的必要性。
该论文通过对比提示和余弦相似度分析,揭示了 EleutherAI/gpt-j-6B 大语言模型内部对信任的表征与 Castelfranchi 社会认知模型最为契合,表明 LLM 能够以支持人类-AI 协作系统设计的方式编码社会认知构建。
该研究通过人工市场模拟发现,在价格暴跌情境下,杠杆 ETF 与期货之间的套利交易能够促进两个市场间的流动性互补,具体表现为当一方出现错误订单时,套利机制能引导另一方的卖盘深度和紧密度(或交易量)向受损市场提供流动性支持。
本文提出了 MASFactory,这是一个以图为核心的 LLM 多智能体系统编排框架,通过引入将自然语言意图转化为可编辑工作流的“氛围图(Vibe Graphing)”人机协同方法,解决了复杂图工作流实现困难、复用性低及外部上下文集成复杂的问题,并在多个基准测试中验证了其有效性与一致性。
该论文提出了“对话式需求响应”(CDR)机制,利用代理人工智能构建双向多智能体架构,使聚合商与产消者通过自然语言进行透明、可解释的灵活互动,从而在保持自动化扩展性的同时增强用户自主权并确保持续参与。
该论文针对科学工作流中确定性与灵活性难以兼得的矛盾,提出了一种通过机器可验证的“模式门控”将对话自由与执行严格相分离的架构,并验证了多模型评分在系统评估中的有效性,旨在实现既灵活又可复现的代理式 AI 科学工作流。
本文提出了一种名为 VAS-CFA 的框架,通过实例化代表不同规范视角的多个道德智能体并利用组合融合分析(CFA)聚合其输出,有效解决了现有方法在捕捉伦理多元性方面的局限,从而显著提升了大语言模型与人类价值观的对齐效果。
本文提出了专注于 Java 语言的 iSWE Agent,该代理结合了基于规则的静态分析与大模型技术,通过定位和编辑两个子代理实现了在 Java 代码库问题修复上的最先进性能。
本文提出了“验证多智能体编排”(VMAO)框架,通过构建有向无环图分解复杂查询、并行执行子任务、利用大语言模型验证结果完整性并自适应重规划,显著提升了多智能体系统在复杂市场研究查询中的答案完整性和来源质量。
该论文提出了名为“知识引导的时间序列事件检测”的新任务,通过引入连接语言描述与物理数据的“事件逻辑树”(ELT)框架及神经符号视觉语言模型代理,实现了在极少标注数据下对多变量时间序列事件的精准检测与可解释推理,并有效缓解了大模型的幻觉问题。
该论文提出了一种动态适应性协调理论,将智能视为多智能体在持久环境反馈架构中通过激励信号耦合演化而产生的结构性涌现现象,而非基于全局优化或理性预期的静态均衡结果。
该研究提出了一种基于多智能体深度强化学习的框架,利用虚拟锚节点协调无人机群进行协同感知,从而在甲烷泄漏源定位任务中实现了比传统通量法更优的精度与效率。
该论文提出了“审议式集体智能”(DCI)框架,通过引入四种推理原型和14种类型化的认识论行为,使多智能体系统能够进行结构化的审议过程,从而在非例行任务中显著优于无结构辩论并生成包含少数派报告等关键要素的可问责决策,尽管其代价是极高的Token消耗且不适用于常规决策。
该论文通过在能源负载管理场景中引入利用全局信号的人工智能代理,证明了在混合人机群体中,即使处于早期部分采用阶段,人工代理也能有效促进协调合作并改善整体结果,尽管非采用者可能从中获得不成比例的搭便车收益。
本文提出了 AGMARL-DKS,一种结合图神经网络与多智能体强化学习的自适应 Kubernetes 调度器,通过去中心化协作、全局状态感知及压力感知的词典序策略,显著提升了大规模异构集群在容错性、资源利用率和成本方面的调度性能。
本文研究了推多代理系统(PMS)的模块检查问题,证明了针对 ATL 规范的检查是 2EXPTIME 完全的,而针对 ATL* 规范的检查则是 4EXPTIME 完全的,后者比前两者在计算复杂度上高出指数级,是少数具有初等但超过三重指数时间复杂度的自然判定问题之一。
本文提出了一种基于智能体(Agent)的防空系统决策模型,利用信念 - 愿望 - 意图(BDI)架构和元级规划推理,实现了无需人工干预的自动化目标探测、威胁评估及武器分配,从而提升了网络中心战环境下的指挥控制自主性。