論文の概要: JAM: The JavaScript Agent Machine for Distributed Computing and
Simulation with reactive and mobile Multi-agent Systems -- A Technical Report
- arxiv url: http://arxiv.org/abs/2207.11300v1
- Date: Fri, 22 Jul 2022 19:01:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 15:40:04.392588
- Title: JAM: The JavaScript Agent Machine for Distributed Computing and
Simulation with reactive and mobile Multi-agent Systems -- A Technical Report
- Title(参考訳): JAM: リアクティブおよびモバイルマルチエージェントシステムによる分散コンピューティングとシミュレーションのためのJavaScriptエージェントマシン - テクニカルレポート
- Authors: Stefan Bosse
- Abstract要約: 本稿では、JavaScript Agent Machine(JAM)プラットフォームのチュートリアル的な側面を持つ技術的レポートである。
簡単な例では、JAMプラットフォームとそのコンポーネントが大規模マルチエージェントシステムのデプロイに有効であることを説明している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agent-based modelling (ABM), simulation (ABS), and distributed computation
(ABC) are established methods. The Internet and Web-based technologies are
suitable carriers. This paper is a technical report with some tutorial aspects
of the JavaScript Agent Machine (JAM) platform and the programming of agents
with AgentJS, a sub-set of the widely used JavaScript programming language for
the programming of mobile state-based reactive agents. In addition to
explaining the motivation for particular design choices and introducing core
concepts of the architecture and the programming of agents in JavaScript, short
examples illustrate the power of the JAM platform and its components for the
deployment of large-scale multi-agent system in strong heterogeneous
environments like the Internet. JAM is suitable for the deployment in strong
heterogeneous and mobile environments. Finally, JAM can be used for ABC as well
as for ABS in an unified methodology, finally enabling mobile crowd sensing
coupled with simulation (ABS).
- Abstract(参考訳): エージェントベースモデリング(ABM)、シミュレーション(ABS)、分散計算(ABC)が確立されている。
インターネットとウェブベースの技術は適切なキャリアである。
本稿では、JavaScript Agent Machine(JAM)プラットフォームのチュートリアル的な側面と、モバイルステートベースのリアクティブエージェントのプログラミングに広く使われているJavaScriptプログラミング言語AgentJSのサブセットであるAgentJSを使ったエージェントプログラミングに関する技術的レポートである。
特定の設計選択の動機を説明することに加えて、アーキテクチャのコア概念と、javascriptにおけるエージェントのプログラミングを導入することに加えて、インターネットのような強力な異種環境に大規模マルチエージェントシステムを展開するためのjamプラットフォームとそのコンポーネントを例示している。
JAMは、強力な異種およびモバイル環境へのデプロイに適している。
最後に、JAMはABCやABSに統一的な手法で使用することができ、最終的にはシミュレーション(ABS)と組み合わせてモバイルの群衆センシングを可能にする。
関連論文リスト
- AgentScope: A Flexible yet Robust Multi-Agent Platform [66.61478569048477]
AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。
堅牢で柔軟なマルチエージェントアプリケーションを目指して、AgentScopeはビルトインとカスタマイズ可能なフォールトトレランスメカニズムを提供する。
論文 参考訳(メタデータ) (2024-02-21T04:11:28Z) - OS-Copilot: Towards Generalist Computer Agents with Self-Improvement [48.29860831901484]
オペレーティングシステム(OS)の包括的要素と対話可能な汎用エージェントを構築するためのフレームワークであるOS-Copilotを紹介する。
我々はOS-Copilotを使って、汎用コンピュータタスクを自動化する自己改善型実施エージェントであるFRIDAYを開発した。
一般的なAIアシスタントのベンチマークであるGAIAでは、FRIDAYが従来の手法を35%上回り、以前のタスクから蓄積したスキルを通じて、目に見えないアプリケーションへの強力な一般化を示している。
論文 参考訳(メタデータ) (2024-02-12T07:29:22Z) - An Interactive Agent Foundation Model [50.50659114031731]
本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。
トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。
私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
論文 参考訳(メタデータ) (2024-02-08T18:58:02Z) - Mobile-Agent: Autonomous Multi-Modal Mobile Device Agent with Visual
Perception [54.847886281834576]
自律型マルチモーダルモバイルデバイスエージェントMobile-Agentを紹介する。
Mobile-Agentはまず視覚認識ツールを利用して、アプリのフロントエンドインターフェイス内の視覚的要素とテキスト的要素の両方を正確に識別し、特定する。
そして、複雑なオペレーションタスクを自律的に計画し、分解し、ステップバイステップでモバイルアプリをナビゲートする。
論文 参考訳(メタデータ) (2024-01-29T13:46:37Z) - Dynamic LLM-Agent Network: An LLM-agent Collaboration Framework with
Agent Team Optimization [59.39113350538332]
大規模言語モデル(LLM)エージェントは幅広いタスクで有効であることが示されており、複数のLLMエージェントを組み込むことで、その性能をさらに向上することができる。
既存のアプローチでは、固定されたエージェントセットを使用して静的アーキテクチャで相互に相互作用する。
我々は、推論やコード生成といった複雑なタスクにおいて、LLM-agentコラボレーションのためにDynamic LLM-Agent Network(textbfDyLAN$)というフレームワークを構築します。
論文 参考訳(メタデータ) (2023-10-03T16:05:48Z) - Chakra: Advancing Performance Benchmarking and Co-design using
Standardized Execution Traces [5.692357167709513]
作業負荷仕様を標準化するためのオープングラフスキーマであるChakraを提案する。
例えば、生成AIモデルを使用して、何千ものChakra ETの潜在統計特性を学習し、これらのモデルを使用してChakra ETを合成します。
私たちのゴールは、将来のAIシステムの共同設計を推進するために、業界全体のアジャイルベンチマークとツールの活発なエコシステムを構築することです。
論文 参考訳(メタデータ) (2023-05-23T20:45:45Z) - Phantom -- A RL-driven multi-agent framework to model complex systems [1.0499611180329804]
Phantomは複雑なマルチエージェントシステムのエージェントベースのモデリングのためのRL駆動のフレームワークである。
MARL互換の方法でABM仕様を簡素化するツールを提供することを目標としている。
これらの特徴,その設計根拠,およびフレームワークを活用した2つの新しい環境について述べる。
論文 参考訳(メタデータ) (2022-10-12T08:37:38Z) - Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。
このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。
また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
論文 参考訳(メタデータ) (2021-11-23T10:53:29Z) - Enabling Un-/Semi-Supervised Machine Learning for MDSE of the Real-World
CPS/IoT Applications [0.5156484100374059]
我々は、スマートサイバー物理システム(CPS)とIoT(Internet of Things)の現実的なユースケースシナリオに対して、ドメイン固有モデル駆動ソフトウェアエンジニアリング(MDSE)をサポートする新しいアプローチを提案する。
人工知能(AI)の本質において利用可能なデータの大部分はラベルが付けられていないと我々は主張する。したがって、教師なしおよび/または半教師なしのMLアプローチが実践的な選択である。
提案手法は,既存の最先端MDSEツールと完全に実装され,CPS/IoTドメインを提供する。
論文 参考訳(メタデータ) (2021-07-06T15:51:39Z) - JS-son -- A Lean, Extensible JavaScript Agent Programming Library [1.8275108630751837]
推論ループエージェントを実装するための、リーンJavaScriptライブラリのプロトタイプを提供する。
このライブラリはコアエージェントプログラミングの概念に重点を置いており、プログラミングアプローチにさらなる制限を課すことを控えている。
我々は,このライブラリをWeb上のマルチエージェントシステムシミュレーションに適用し,クラウドにホストされた関数・アズ・ア・サービス環境にデプロイし,Pythonベースのデータサイエンスツールに組み込む方法を示す。
論文 参考訳(メタデータ) (2020-03-10T13:27:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。