Conflict-Averse Gradient Descent for Multi-task Learning
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Sony AI(索尼人工智能公司);Bytedance Research(字节跳动研究院)
本文提出冲突规避梯度下降(CAGrad),通过利用单个任务的最差局部改进正则化平均损失优化,自动平衡多任务目标并保证收敛,在监督学习和强化学习任务上优于现有多目标梯度操纵方法。
2024-02-21 cs.AI cs.LG
Risk-averse autonomous systems: A brief history and recent developments from the perspective of optimal control
University of Toronto(多伦多大学)
我们提出了一个历史的概述之间的连接的风险分析和自治系统的控制。我们提供两个主要贡献。我们的第一个贡献是提出了三个重叠的范式来分类大量的文献:最坏情况,风险中性和风险厌恶范式。我们认为一个适当的评估自主系统的风险取决于手头的应用程序。相比之下,通常仅使用期望、方差或概率来评估风险。我们的第二个贡献是统一了风险和自治系统的概念。我们通过连接方法来量化和优化跨学术领域的系统行为所产生的风险来实现这一目标。这项调查具有高度的多学科性。我们包括来自强化学习,随机和鲁棒控制理论,运筹学和形式化验证社区的研究。我们描述了基于模型和无模型的方法,重点放在前者。最后,我们强调了进一步研究的富有成效的领域。一个关键的方向是将风险规避的基于模型的方法和无模型方法相结合,以增强系统的实时适应能力,从而改善人类和环境福利。
2022-07-11 cs.AI
Optimizing Delegation in Collaborative Human-AI Hybrid Teams
Università di Pisa(比萨大学);Institute for Informatics and Telematics (IIT), National Research Council (CNR)(国家研究委员会信息学与电信研究所(IIT))
提出基于强化学习的 AI manager 框架,通过学习智能体行为模型优化人机混合团队的控制权委托,在模拟驾驶场景中显著提升团队性能并减少干预。
2024-08-25 cs.AI cs.HC cs.LG
Optimizing delegation between human and AI collaborative agents
Università di Pisa(比萨大学);Institute for Informatics and Telematics (IIT), National Research Council (CNR)(国家研究委员会(CNR)信息学与电信研究所(IIT))
针对混合团队中人类与AI智能体协作,提出学习委派决策的管理模型,无需智能体共享环境动态,显著优于其他管理方法。
2023-10-11 cs.AI
Policy Gradient Bayesian Robust Optimization for Imitation Learning
University of California, Berkeley(加州大学伯克利分校);University of New Hampshire(新罕布什尔大学)
在许多现实世界的问题中,很难指定奖励,这导致人们越来越关注从人类反馈(如演示)中学习奖励。然而,通常有许多不同的奖励函数来解释人类反馈,这使得代理人不确定真正的奖励函数是什么。虽然大多数策略优化方法通过优化预期性能来处理这种不确定性,但许多应用程序需要规避风险的行为。我们推导出一种新的策略梯度式的鲁棒优化方法,PG-BROIL,优化了软鲁棒目标,平衡预期的性能和风险。据我们所知,PG-BROIL是第一个对奖励假设分布具有鲁棒性的策略优化算法,该算法可以扩展到连续的MDP。结果表明,PG-BROIL可以产生一个家庭的行为,从风险中性到风险厌恶,并优于国家的最先进的模仿学习算法时,从模糊的示范对冲不确定性,而不是寻求唯一识别演示的奖励功能。
2021-06-21 cs.AI cs.LG
Optimizing Plastic Waste Collection in Water Bodies Using Heterogeneous Autonomous Surface Vehicles with Deep Reinforcement Learning
University of Sevilla(塞维利亚大学)
针对异构自主水面车辆的水体塑料垃圾收集问题,提出由侦察艇建模、清洁艇收集的无模型深度强化学习协调框架,并在两类场景中验证其优于启发式基准。
2024-12-03 cs.LG cs.RO
Actor-Critic Algorithm for Dynamic Expectile and CVaR
GERAD & Department of Decision Sciences, HEC Montréal, Canada(GERAD与决策科学系,蒙特利尔HEC学院,加拿大);Mila - Quebec AI Institute, Canada(魁北克AI研究所,加拿大)
本文提出一种无需转移扰动的softmax策略参数化 surrogate 政策梯度方法,开发了基于elicitability的模型无关价值学习方法,并构建了模型无关的off-policy actor-critic算法,实验证明其在风险规避行为领域表现优异。
2026-05-08 cs.LG
X-Armed Bandits: Optimizing Quantiles, CVaR and Other Risks
Universite de Toulouse(图卢兹大学);INRA(法国国家农业科学研究院);Institut de Mathematiques de Toulouse(图卢兹数学研究所);Univ. Lyon(里昂大学);ENS de Lyon(里昂高等师范学院)
我们提出并分析了StoROO,一个算法的风险优化的随机黑盒函数StoOO。受农业、医学、生物学或金融等风险规避决策领域的影响,我们不关注平均收益,而是关注收益分布的一般泛函。我们提供了一个通用的后悔分析StoROO和说明其适用性的两个例子:优化的分位数和CVaR。受强盗文献和黑盒均值优化器的启发,StoROO依赖于基于随机大小样本为目标函数构建置信区间的可能性。我们详细介绍了他们的建设分位数的情况下,提供严格的界限的基础上库尔贝克-莱布勒散度。最后,我们提出了数值实验,显示了显着的影响紧界的优化分位数和CVaR。
2020-03-04 cs.LG stat.ML
OrderGrad: Optimizing Beyond the Mean with Order-Statistic Policy Gradient Estimation
The University of Tokyo(东京大学)
提出OrderGrad,一种用于顺序统计量目标的似然比和重参数化梯度估计器族,通过奖励变换实现风险厌恶、鲁棒和探索性学习的统一即插即用方法。
2026-06-04 cs.AI cs.CL cs.LG
Human-AI Learning Performance in Multi-Armed Bandits
University of California, Berkeley(加利福尼亚大学伯克利分校)
人们经常面临具有挑战性的决策问题,其中结果是不确定或未知的。人工智能(AI)算法的存在可以在学习这些任务方面胜过人类。因此,人工智能智能体有机会帮助人们更有效地学习这些任务。在这项工作中,我们使用一个多臂强盗作为一个控制设置,在其中探索这个方向。我们将人类与选定的代理配对,并观察每个人类代理团队的表现。我们发现,团队的表现可以击败人类和代理人的表现孤立。有趣的是,我们还发现,一个代理人的表现在隔离并不一定与人类代理团队的表现相关。座席性能的下降可能会导致团队性能的不成比例的大幅下降,或者在某些设置中甚至可以提高团队性能。将一个人与一个表现稍好的代理配对可以使他们表现得更好,而将他们与一个表现相同的代理配对可以使他们表现得更差。此外,我们的研究结果表明,人们有不同的探索策略,并可能表现得更好的代理,以配合他们的策略。总的来说,优化人类代理团队绩效需要超越优化代理绩效,了解代理的建议将如何影响人类决策。
2018-12-21 cs.AI
Golden Handcuffs make safer AI agents
University of California, Berkeley(加州大学伯克利分校)
本文研究了一种贝叶斯缓解方法,通过扩展代理的主观奖励范围以包含大负值,从而在一般环境中提高安全性。设计了一种简单的覆盖机制,当预测值低于固定阈值时,将控制权交给安全导师。证明了该代理在能力与安全方面的双重属性。
2026-04-15 cs.AI cs.LG
On Dynamic Programming Decompositions of Static Risk Measures in Markov Decision Processes
University of New Hampshire(新罕布什尔大学);HEC Montréal(蒙特利尔高等商学院);Amazon(亚马逊公司);Google Research(谷歌研究院)
本文证明强化学习中用于CVaR和EVaR的离散风险水平动态规划分解本质上始终次优,而VaR的分解成立,揭示了这些风险度量在鞍点性质上的关键差异。
2024-04-23 cs.AI math.OC
RAPTOR: End-to-end Risk-Aware MDP Planning and Policy Learning by Backpropagation
University of Toronto(多伦多大学);Vector Institute(向量研究所)
规划为在复杂环境中优化顺序决策提供了一个框架。最近在确定性或随机性高维域中的有效规划方面取得的进展,具有连续的动作空间,通过环境模型利用反向传播来直接优化动作。然而,现有的方法通常不考虑风险时,优化随机域,这可以有效地纳入MDP通过优化熵效用的回报。我们通过使用PyTorch(RAPTOR)引入风险感知规划来弥合这一差距,PyTorch是一种通过熵效用目标的端到端优化进行风险敏感规划的新框架。我们的方法的一个关键技术难点在于,由于环境随机性的存在,直接优化的熵效用的反向传播是不可能的。RAPTOR的新颖之处在于状态分布的重新参数化,这使得有可能通过从向前采样轨迹计算的熵效用的充分统计来应用随机反向传播。以端到端的方式直接优化这个经验目标被称为风险规避直线计划,它预先承诺一系列行动,并且在高度随机的领域中可能是次优的。我们通过在我们的框架中优化风险感知的深度反应策略(RaDRP)来解决这个缺点。我们评估和比较这两种形式的RAPTOR在三个高度随机域,包括非线性导航,HVAC控制,线性水库控制,展示了在复杂的MDP管理风险的能力。
2021-06-14 cs.LG
Iterated Reasoning with Mutual Information in Cooperative and Byzantine Decentralized Teaming
Georgia Institute of Technology(佐治亚理工学院)
信息共享是建立团队认知的关键,有助于协调和合作。高绩效的人类团队还受益于通过迭代沟通和合理化的层次结构进行战略性行动,这意味着人类代理可以在决策中推理队友的行为。然而,在多智能体强化学习(MARL)的大多数先前的工作不支持迭代合理化,只鼓励智能体通信,导致一个次优的平衡合作策略。在这项工作中,我们表明,重新制定代理的政策是有条件的政策,其相邻的队友固有的最大化互信息(MI)下限时,优化下策略梯度(PG)。有限理性和认知层次理论下的决策思想的基础上,我们表明,我们修改后的PG方法不仅最大限度地提高本地代理人的奖励,但也隐含的原因MI代理之间,而不需要任何明确的ad-hoc正则化条款。我们的方法InfoPG在学习紧急协作行为方面优于基线,并在分散式合作MARL任务中设置了最先进的技术。我们的实验验证了实用的InfoPG实现更高的样本效率和显着更大的累积奖励在几个复杂的合作多智能体域。
2022-06-24 cs.AI cs.LG cs.MA
Inverse Reward Design
University of California, Berkeley(加州大学伯克利分校);International Computer Science Institute (ICSI)(国际计算机科学研究所)
自主智能体优化我们给它们的奖励函数。他们不知道的是,我们设计一个奖励函数来捕捉我们想要的东西有多难。在设计奖励时,我们可能会考虑一些特定的训练场景,并确保奖励将导致这些场景中的正确行为。代理不可避免地会遇到新的场景(例如,新类型的地形),其中优化相同的奖励可能导致不期望的行为。我们的观点是,奖励函数仅仅是对设计者实际想要什么的观察,它们应该在设计它们的上下文中被解释。我们引入逆奖励设计(IRD)作为基于设计的奖励和训练MDP推断真实目标的问题。我们引入近似方法来解决IRD问题,并使用它们的解决方案来计划测试MDP中的风险规避行为。实证结果表明,这种方法可以帮助减轻错误指定的奖励函数的负面影响,并减轻奖励投机。
2020-10-07 cs.AI cs.LG
Boosting CVaR Policy Optimization with Quantile Gradients
GERAD \& Department of Decision Sciences, HEC Montreal, Canada;Mila - Quebec AI Institute, Canada
针对CVaR策略优化样本效率低的问题,引入期望分位数项,利用动态规划充分利用所有采样数据,在马尔可夫策略类中显著提升性能。
2026-06-23 cs.LG
LLMs as Policy-Agnostic Teammates: A Case Study in Human Proxy Design for Heterogeneous Agent Teams
School of Computer Science, University of Birmingham(伯明翰大学计算机科学学院)
本研究提出用LLMs作为策略无关的人类代理生成合成数据,以解决异构智能体团队训练中人类数据昂贵的问题,实验表明LLMs输出与专家决策对齐且能模拟人类风险行为变异性,为策略无关队友模拟提供可扩展基础。
2025-10-07 cs.AI cs.HC cs.LG
Evolutionary Reinforcement Learning for Sample-Efficient Multiagent Coordination
Intel Labs(英特尔实验室);University of California, Irvine(加州大学欧文分校);Oregon State University(俄勒冈州立大学)
许多协作多智能体强化学习环境为智能体提供稀疏的基于团队的奖励,以及激励学习基本技能的密集的特定于智能体的奖励。由于其稀疏性,仅基于团队奖励的训练策略通常是困难的。此外,仅仅依赖于代理特定的奖励是次优的,因为它通常不能捕获团队协调目标。一种常见的方法是使用奖励塑造通过组合各个奖励来构造代理奖励。但是,这需要针对每个环境进行手动调优。我们引入了多智能体进化强化学习(MERL),这是一个分层训练平台,通过两个优化过程分别处理这两个目标。进化算法通过对团队群体的神经进化来最大化稀疏的基于团队的目标。同时,一个基于梯度的优化器训练策略,只最大化密集的特定于代理的奖励。基于梯度的策略被周期性地添加到进化种群中,作为两个优化过程之间的信息传递的一种方式。这使得进化算法能够使用通过代理特定奖励学习的技能来优化全局目标。结果表明,MERL显着优于国家的最先进的方法,如MADDPG,在一些困难的协调基准。
2020-06-11 cs.AI cs.LG cs.MA
Risk-Averse Finetuning of Large Language Models
Amazon Web Services (AWS)(亚马逊网络服务(AWS));Texas A&M University(德克萨斯农工大学)
针对大语言模型易生成有害内容的问题,提出将风险厌恶原则融入微调,通过优化CVaR训练模型,实验验证该RLHF方法可在保持生成能力的同时有效减少有毒输出,助力构建更安全的在线环境。
2025-01-12 cs.AI cs.CL
CoSLight: Co-optimizing Collaborator Selection and Decision-making to Enhance Traffic Signal Control
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);University of Cologne EWI gGmbH(科隆大学EWI有限责任公司);Arizona State University(亚利桑那州立大学);Baidu Inc.(百度公司);Fudan University(复旦大学);Peking University(北京大学);Qing Yuan Research Institute of Shanghai Jiao Tong University(上海交通大学清源研究院)
针对现有多交叉口交通信号控制仅选相邻协作对象导致非相邻区域易拥堵的问题,提出CoSLight方法,将合作者选择设为独立策略与信号控制策略协同学习,在合成与真实数据集上均优于现有最优方法。
2024-06-19 cs.AI cs.MA
Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork
University of Washington(华盛顿大学);Microsoft Research(微软研究院);Allen Institute for AI(艾伦人工智能研究所)
人工智能从业者通常努力开发最准确的系统,并隐含假设人工智能系统将自主运行。然而,在实践中,人工智能系统通常用于为刑事司法、金融和医疗保健等领域的人们提供建议。在这种人工智能建议的决策中,人类和机器组成了一个团队,人类负责做出最终决策。但最准确的AI是最好的队友吗?我们认为“不”-可预测的性能可能值得在AI准确性方面做出轻微牺牲。相反,我们认为人工智能系统应该以人为本的方式进行训练,直接针对团队绩效进行优化。我们研究了一种特定类型的人类-人工智能团队的建议,其中人类监督者选择接受人工智能的建议或自己解决任务。为了优化团队在这种情况下的表现,我们最大化团队的预期效用,以最终决策的质量,验证成本以及人和机器的个体准确性表示。我们在真实世界的高风险数据集上使用线性和非线性模型进行的实验表明,最准确的人工智能可能不会带来最高的团队绩效,并通过提高数据集之间的预期团队效用,考虑到人类技能和错误成本等参数,显示了在训练期间建模团队合作的好处。我们讨论了当前优化方法的缺点,这些方法超出了研究得很好的损失函数,如对数损失,并鼓励未来在人工智能优化问题上的工作,这些问题是由人类-人工智能协作驱动的。
2021-02-19 cs.AI cs.HC cs.LG
Decision Theoretic Foundations for Conformal Prediction: Optimal Uncertainty Quantification for Risk-Averse Agents
University of Pennsylvania(宾夕法尼亚大学)
本文从决策论角度证明预测集对风险厌恶决策者最优,提出最大最小决策策略和风险厌恶校准算法RAC,在保证安全阈值的同时提升下游效用。
2025-02-04 cs.AI cs.LG stat.ML
Privacy-Engineered Value Decomposition Networks for Cooperative Multi-Agent Reinforcement Learning
University of Texas at Austin(德克萨斯大学奥斯汀分校);University of Florida(佛罗里达大学)
针对合作多智能体强化学习中的隐私问题,提出PE-VDN算法,通过分布式计算、多方计算和差分隐私技术,在保护环境数据的同时实现80%的Vanilla VDN胜率。
2023-09-13 cs.AI cs.LG cs.MA
Lyapunov-based uncertainty-aware safe reinforcement learning
Ohio State University(俄亥俄州立大学)
强化学习(RL)在学习各种顺序决策任务的最优策略方面表现出很好的性能。然而,在许多现实世界的RL问题中,除了优化主要目标之外,还期望代理满足一定的安全级别(例如,避免自动驾驶中的碰撞)。虽然RL问题通常被形式化为马尔可夫决策过程(MDP),但安全约束通过约束马尔可夫决策过程(CMDPs)进行合并。尽管安全RL的最新进展使得能够在CMD中学习安全策略,但这些安全要求应该在培训和部署过程中得到满足。此外,它表明,在基于内存和部分可观察的环境中,这些方法无法保持安全看不见的分布外的意见。为了解决这些限制,我们提出了一个基于Lyapunov的不确定性感知的安全RL模型。引入的模型采用了一个李雅普诺夫函数,转换为一组局部线性约束的随机性为基础的约束。此外,为了确保安全的代理在高度不确定的环境中,不确定性量化方法的开发,使识别风险规避行动,通过估计违反约束的概率。此外,一个Transformers模型被集成到提供记忆的代理处理长时间的视野的信息,通过自我注意机制。该模型在网格世界导航任务中进行评估,其中安全性被定义为在完全和部分可观察的环境中避免静态和动态障碍物。这些实验的结果表明,在实现最优性和满足安全约束的代理的性能显着改善。
2021-07-29 cs.AI cs.LG stat.ML
Guaranteed satisficing and finite regret: Analysis of a cognitive satisficing value function
Graduate School of Advanced Science and Engineering, Tokyo Denki University(东京电机大学先进科学与工程学院);School of Science and Engineering, Tokyo Denki University(东京电机大学理工学院);Dwango Artificial Intelligence Laboratory(Dwango人工智能实验室)
针对强化学习复杂任务难在实际时间内解决的问题,提出风险敏感满意(RS)模型,在贪婪策略下整合风险态度实现满意策略,应用于K臂老虎机问题,证明其能找到达标动作且在特定期望水平下遗憾有限,并通过模拟验证性能。
2019-02-23 cs.AI
Updating Clinical Risk Stratification Models Using Rank-Based Compatibility: Approaches for Evaluating and Optimizing Clinician-Model Team Performance
University of Michigan(密歇根大学)
本文针对临床风险分层模型更新中的用户兼容性问题,提出基于排名的兼容性度量 $C^R$ 及相应损失函数,在 MIMIC 死亡风险分层任务中实现保持判别性能的同时显著提升模型兼容性。
2023-08-10 cs.AI cs.LG stat.ML
Teaming in the AI Era: AI-Augmented Frameworks for Forming, Simulating, and Optimizing Human Teams
Computer Sciences and Engineering University of Notre Dame(计算机科学与工程大学南达科他大学)
该博士论文针对动态团队优化不足的问题,提出多臂赌博机组队框架、tAIfa反馈系统与PuppeteerLLM多智能体模拟框架,以提升团队满意度、参与度和绩效。
2025-06-06 cs.AI cs.HC cs.MA
Cooperative Bayesian Optimization for Imperfect Agents
Aalto University(阿尔托大学);Hamburg University of Technology(汉堡工业大学);University of Manchester(曼彻斯特大学)
针对人机协作优化双变量黑盒函数的场景,提出将问题建模为序列决策、用贝叶斯自适应蒙特卡洛规划结合考虑用户保守信念更新与探索采样的用户模型的方法,可在用户不过度探索时更好找到全局最大值。
2024-03-07 cs.AI cs.LG cs.MA
AdaFair-MARL: Enforcing Adaptive Fairness Constraints in Multi-Agent Reinforcement Learning
Cornell Tech(康奈尔科技);Cornell University(康奈尔大学);Bala-Cynwyd, PA, USA(巴拉-辛威德, 美国宾夕法尼亚州)
本文提出AdaFair-MARL框架,通过将工作负载公平性作为显式约束,使智能体在优化团队性能的同时保持贡献平衡,实验表明其在医院协调环境中的有效性。
2026-04-22 cs.AI cs.GT cs.LG
MALBO: Optimizing LLM-Based Multi-Agent Teams via Multi-Objective Bayesian Optimization
针对多智能体系统中LLM角色分配的性能-成本权衡难题,本文提出MALBO框架,基于多目标贝叶斯优化搜索最优团队配置帕累托前沿,可在保持性能的同时大幅降低推理成本。
2025-11-14 cs.AI cs.MA
Model Cards for AI Teammates: Comparing Human-AI Team Familiarization Methods for High-Stakes Environments
College of Engineering at the Georgia Institute of Technology(佐治亚理工学院工程学院)
该研究在ISR高风险环境中对比三种人-AI团队熟悉方法,发现文档法策略采用快但易致风险规避,互动法更愿冒险但对智能体内部理解弱,最终推荐结合三者的熟悉方案。
2025-05-19 cs.AI cs.HC cs.MA
Explainable Autonomous Cyber Defense using Adversarial Multi-Agent Reinforcement Learning
Adelaide University(阿德莱德大学);CSIRO’s Data61(澳大利亚联邦科学与工业研究组织Data61)
本文提出C-MADF框架,通过因果建模与对抗性双策略控制,提升网络防御的可解释性和准确性,在真实数据集上显著降低误报率。
2026-04-06 cs.CR cs.LG cs.MA
Influence-Based Multi-Agent Exploration
Institute for Interdisciplinary Information Sciences(交叉信息研究院);Tsinghua University(清华大学)
内在动机强化学习旨在解决稀疏奖励任务的探索挑战。然而,在过渡依赖的多智能体设置的探索方法的研究在很大程度上是缺乏文献。我们的目标是朝着解决这个问题迈出一步。我们提出了两种探索方法:探索通过信息理论的影响(EITI)和探索通过决策理论的影响(EDTI),通过利用代理的协调行为中的相互作用的作用。EITI使用互信息来捕获影响力转换动态。EDTI使用一种新的内在奖励,称为交互价值(VoI),来描述和量化一个代理人的行为对其他代理人预期回报的影响。通过优化EITI或EDTI目标作为正则化器,智能体被鼓励协调他们的探索和学习策略,以优化团队绩效。我们展示了如何优化这些正则化器,以便它们可以很容易地与策略梯度强化学习集成。由此产生的更新规则在协调探索和内在奖励分配之间建立了联系。最后,我们实证证明了我们的方法在各种多智能体场景的显着优势。
2019-10-12 cs.LG cs.MA stat.ML
Optimizing Team Behavior via Extremum-seeking Control in Multi-agent Reinforcement Learning
University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校)
该研究针对合作多智能体强化学习中行为多样性调优成本高的问题,提出双时间尺度框架ADiCo,结合极值寻优控制器在线调整多样性,在多任务上性能优于或匹配基准方法。
2026-10-14 cs.AI cs.MA cs.RO
Cognitive Spillover in Human-AI Teams
Northeastern University(东北大学)
研究探讨AI对人类协作的社会和认知影响,通过实验发现AI暴露会引发人类互动中的认知溢出,影响语言、注意力、心理模型和社会凝聚力。
2026-03-20 cs.AI cs.HC econ.GN
STARK: Strategic Team of Agents for Refining Kernels
Meta Ranking AI Research(Meta 排名人工智能研究);Duke University(杜克大学)
针对 GPU 内核优化难题,本文提出多智能体协作的 LLM 框架 STARK,结合性能反馈与策略搜索迭代精化内核,在 KernelBench 上最高实现 16 倍加速。
2025-10-19 cs.AI
Optimizing Sequential Multi-Step Tasks with Parallel LLM Agents
University of Washington, Seattle, USA(华盛顿大学);Microsoft Research, Redmond, USA(微软研究院)
针对LLM多智能体系统在复杂任务中因多步迭代推理导致高延迟的问题,提出M1-Parallel框架,通过并行运行多智能体团队并结合异步通信机制,有效降低延迟并提升任务完成率。
2025-07-11 cs.AI cs.MA
A Feedback Scheme to Reorder a Multi-Agent Execution Schedule by Persistently Optimizing a Switchable Action Dependency Graph
TU Delft(代尔夫特理工大学);Robert Bosch GmbH(罗伯特·博世有限公司)
在本文中,我们考虑多个自动导引车(AGV)导航一个共同的工作空间,以完成各种内部物流任务,通常制定为多智能体路径查找(MAPF)问题。为了保持计划执行无死锁,一种方法是构造动作依赖图(ADG),该动作依赖图在AGV沿其路线前进时对AGV的顺序进行编码。使用这种方法,延迟的AGV偶尔需要其他人在交叉口等待它们,从而影响计划执行效率。如果工作空间被动态障碍物(如人类或第三方机器人)共享,AGV可能会遇到很大的延迟。一种常见的缓解方法是使用当前延迟的AGV位置重新求解MAPF。然而,解决MAPF是耗时的,使得这种方法效率低下,特别是对于大型AGV团队。在这项工作中,我们提出了一个在线的方法,反复修改一个给定的非循环ADG,以尽量减少每个AGV的路线完成时间。我们的方法始终保持一个非循环的ADG,无死锁计划执行所必需的。我们评估的方法,考虑模拟与随机干扰的执行,并显示更快的路线完成时间相比,基线ADG为基础的执行管理方法。
2020-10-11 cs.AI cs.RO
AI-Driven Human-Autonomy Teaming in Tactical Operations: Proposed Framework, Challenges, and Future Directions
Howard University(霍华德大学)
本文探讨了AI驱动的人-自主协同(HAT)在战术行动中赋能人类决策的潜力,提出了涵盖信任、功能分配、态势感知与伦理考量的综合框架,并指出了关键挑战与未来发展方向。
2024-10-28 cs.AI cs.CY cs.HC
COALESCE: Economic and Security Dynamics of Skill-Based Task Outsourcing Among Team of Autonomous LLM Agents
Amazon(亚马逊);SAP;Amazon Web Services(亚马逊网络服务);Intuit
本文提出COALESCE框架,通过技能评估与动态市场机制实现LLM智能体间安全、经济高效的子任务外包,经理论模拟和真实任务验证可显著降低成本并提升可扩展性。
2025-06-02 cs.AI cs.CE cs.CR
Scalable Interactive Machine Learning for Future Command and Control
U.S. DEVCOM Army Research Laboratory(美国DEVCOM陆军研究实验室);U.S. Mission Command Battle Lab(美国任务指挥作战实验室)
本文针对未来指挥与控制中决策时效性和复杂性问题,提出规模化交互式机器学习(SIML)框架,从人机交互算法、韧性团队构建和规模扩展三个方向推动人机协同决策。
2024-03-28 cs.AI cs.CL cs.HC