論文の概要: A Survey on Context-Aware Multi-Agent Systems: Techniques, Challenges
and Future Directions
- arxiv url: http://arxiv.org/abs/2402.01968v1
- Date: Sat, 3 Feb 2024 00:27:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 23:16:29.518048
- Title: A Survey on Context-Aware Multi-Agent Systems: Techniques, Challenges
and Future Directions
- Title(参考訳): コンテキスト対応マルチエージェントシステムに関する調査研究:技術,課題,今後の方向性
- Authors: Hung Du, Srikanth Thudumu, Rajesh Vasa and Kon Mouzakis
- Abstract要約: 自律型エージェントに対する研究の関心が高まっている。
課題は、これらのエージェントが動的環境における不確実性を学び、推論し、ナビゲートできるようにすることである。
コンテキスト認識は、マルチエージェントシステムの強化において重要な要素として現れる。
- 参考スコア(独自算出の注目度): 1.1458366773578277
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Research interest in autonomous agents is on the rise as an emerging topic.
The notable achievements of Large Language Models (LLMs) have demonstrated the
considerable potential to attain human-like intelligence in autonomous agents.
However, the challenge lies in enabling these agents to learn, reason, and
navigate uncertainties in dynamic environments. Context awareness emerges as a
pivotal element in fortifying multi-agent systems when dealing with dynamic
situations. Despite existing research focusing on both context-aware systems
and multi-agent systems, there is a lack of comprehensive surveys outlining
techniques for integrating context-aware systems with multi-agent systems. To
address this gap, this survey provides a comprehensive overview of
state-of-the-art context-aware multi-agent systems. First, we outline the
properties of both context-aware systems and multi-agent systems that
facilitate integration between these systems. Subsequently, we propose a
general process for context-aware systems, with each phase of the process
encompassing diverse approaches drawn from various application domains such as
collision avoidance in autonomous driving, disaster relief management, utility
management, supply chain management, human-AI interaction, and others. Finally,
we discuss the existing challenges of context-aware multi-agent systems and
provide future research directions in this field.
- Abstract(参考訳): 自律エージェントに対する研究の関心は、新興のトピックとして高まっている。
LLM(Large Language Models)の顕著な成果は、自律エージェントにおいて人間のような知性を達成できる可能性を示している。
しかしながら、これらのエージェントが動的環境における不確実性を学び、推論し、ナビゲートすることを可能にすることが課題である。
コンテキスト認識は、動的状況を扱う際にマルチエージェントシステムを強化する上で重要な要素として現れます。
文脈認識システムとマルチエージェントシステムの両方に焦点を当てた既存の研究にもかかわらず、コンテキスト認識システムとマルチエージェントシステムを統合するための総合的な調査方法が欠如している。
このギャップに対処するため、この調査は最先端のコンテキスト対応マルチエージェントシステムの概要を提供する。
まず,これらのシステム間の統合を容易にするコンテキスト認識システムとマルチエージェントシステムの特性について概説する。
次に,自律運転における衝突回避,防災管理,ユーティリティ管理,サプライチェーン管理,人間とAIのインタラクションなど,さまざまなアプリケーション領域から引き出された多様なアプローチを含む,コンテキスト認識システムのための一般的なプロセスを提案する。
最後に,コンテキスト認識型マルチエージェントシステムの課題について論じ,今後の研究方向性について述べる。
関連論文リスト
- Beyond Self-Talk: A Communication-Centric Survey of LLM-Based Multi-Agent Systems [11.522282769053817]
大規模言語モデル(LLM)は、最近、推論、計画、意思決定において顕著な能力を示した。
研究者はLLMをマルチエージェントシステムに組み込んで、単一エージェント設定の範囲を超えてタスクに取り組むようになった。
この調査はさらなるイノベーションの触媒として機能し、より堅牢でスケーラブルでインテリジェントなマルチエージェントシステムを促進する。
論文 参考訳(メタデータ) (2025-02-20T07:18:34Z) - Multi-Agent Risks from Advanced AI [90.74347101431474]
先進的なAIのマルチエージェントシステムは、新規で未発見のリスクを生じさせる。
エージェントのインセンティブに基づく3つの重要な障害モードと7つの重要なリスク要因を同定する。
各リスクのいくつかの重要な事例と、それらを緩和するための有望な方向性を強調します。
論文 参考訳(メタデータ) (2025-02-19T23:03:21Z) - Survey on AI-Generated Media Detection: From Non-MLLM to MLLM [51.91311158085973]
AI生成メディアを検出する方法は急速に進化してきた。
MLLMに基づく汎用検出器は、信頼性検証、説明可能性、ローカライゼーション機能を統合する。
倫理的・セキュリティ的な配慮が、重要な世界的な懸念として浮上している。
論文 参考訳(メタデータ) (2025-02-07T12:18:20Z) - Integrating Artificial Intelligence into Operating Systems: A Comprehensive Survey on Techniques, Applications, and Future Directions [16.28550500194823]
人工知能とオペレーティング・システムの統合はイノベーションの重要なフロンティアとして現れます。
AI-OS統合の現状は、先進的なコンピューティングパラダイムの進化を操る上で、その重要な役割を強調している。
Intelligent Operating Systemsの今後の展望は、OS設計がいかにして新たな可能性をもたらすかを議論する。
論文 参考訳(メタデータ) (2024-07-19T05:29:34Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳(メタデータ) (2024-02-28T16:09:56Z) - An Interactive Agent Foundation Model [49.77861810045509]
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) - LLM Multi-Agent Systems: Challenges and Open Problems [14.174833743880244]
本稿では,既存のマルチエージェントシステムについて検討し,未解決の課題を特定する。
マルチエージェントシステムにおける個々のエージェントの多様な機能と役割を活用することで、これらのシステムはコラボレーションを通じて複雑なタスクに取り組むことができる。
本稿では,タスク割り当ての最適化,反復的議論による堅牢な推論の促進,複雑で階層的なコンテキスト情報の管理,マルチエージェントシステム内の複雑なインタラクションを支援するためのメモリ管理の強化について論じる。
論文 参考訳(メタデータ) (2024-02-05T23:06:42Z) - Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。
大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。
研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
論文 参考訳(メタデータ) (2024-01-30T03:51:44Z) - Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。
我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文 参考訳(メタデータ) (2024-01-07T19:11:18Z) - Multi-AI Complex Systems in Humanitarian Response [0.0]
比較的単純な現実世界の人道的応答シナリオにおいても、マルチAIシステムがいかにして発生しうるかを説明し、潜在的に創発的で不正な行動を引き起こす。
本論文は、人道的対応の分野におけるこのトピックに関する最初の展示として、意識を高め、このドメインの展望を探究し、より広いコミュニティにおける今後の仕事の出発点を提供するように設計されている。
論文 参考訳(メタデータ) (2022-08-24T03:01:21Z)
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。