論文の概要: HIVEX: A High-Impact Environment Suite for Multi-Agent Research (extended version)

• arxiv url: http://arxiv.org/abs/2501.04180v2
• Date: Tue, 21 Jan 2025 14:25:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:15:00.770350
• Title: HIVEX: A High-Impact Environment Suite for Multi-Agent Research (extended version)
• Title（参考訳）: HIVEX:マルチエージェント研究のための高性能環境スイート(拡張版)
• Authors: Philipp Dominic Siedler,
• Abstract要約: HIVEXは環境問題に焦点を当てたマルチエージェント研究をベンチマークする環境スイートである。 メインタスクとサブタスクの環境、トレーニング例、ベースラインを提供します。 この作業の実験から得られたトレーニングされたモデルはすべて、Hugging Face上にホストされている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Games have been vital test beds for the rapid development of Agent-based research. Remarkable progress has been achieved in the past, but it is unclear if the findings equip for real-world problems. While pressure grows, some of the most critical ecological challenges can find mitigation and prevention solutions through technology and its applications. Most real-world domains include multi-agent scenarios and require machine-machine and human-machine collaboration. Open-source environments have not advanced and are often toy scenarios, too abstract or not suitable for multi-agent research. By mimicking real-world problems and increasing the complexity of environments, we hope to advance state-of-the-art multi-agent research and inspire researchers to work on immediate real-world problems. Here, we present HIVEX, an environment suite to benchmark multi-agent research focusing on ecological challenges. HIVEX includes the following environments: Wind Farm Control, Wildfire Resource Management, Drone-Based Reforestation, Ocean Plastic Collection, and Aerial Wildfire Suppression. We provide environments, training examples, and baselines for the main and sub-tasks. All trained models resulting from the experiments of this work are hosted on Hugging Face. We also provide a leaderboard on Hugging Face and encourage the community to submit models trained on our environment suite.
• Abstract（参考訳）: エージェントベースの研究の急速な発展のためには、ゲームは重要なテストベッドとなっている。 過去には顕著な進歩があったが、実世界の問題に当てはまるかどうかは定かではない。 圧力が増大する一方で、最も重要な生態学的課題のいくつかは、テクノロジーとその応用を通して緩和と予防のソリューションを見つけることができる。 ほとんどの現実世界のドメインはマルチエージェントシナリオを含み、マシンマシンと人間マシンのコラボレーションが必要です。 オープンソース環境は進歩せず、しばしばおもちゃのシナリオであり、抽象的すぎるか、マルチエージェントの研究には適していない。 現実世界の問題を模倣し、環境の複雑さを増大させることで、最先端のマルチエージェントの研究を進め、研究者に即時現実の問題に取り組むよう促すことを望んでいる。 本稿では,環境問題に焦点を当てたマルチエージェント研究をベンチマークする環境スイートであるHIVEXについて紹介する。 HIVEXには、ウィンドファーム・コントロール、ワイルドファイア・リソース・マネジメント、ドローンによる森林再生、オーシャン・プラスティック・コレクション、エアリアル・ワイルドファイア・サプレッションなどが含まれる。 メインタスクとサブタスクの環境、トレーニング例、ベースラインを提供します。 この作業の実験から得られたトレーニングされたモデルはすべて、Hugging Face上にホストされている。 また、Hugging Faceのリーダーボードを提供し、環境スイートでトレーニングされたモデルをコミュニティに提出するように促しています。

関連論文リスト

• BAMAX: Backtrack Assisted Multi-Agent Exploration using Reinforcement Learning [0.0]
  強化学習(BAMAX)を用いたバックトラック支援多エージェント探索について紹介する。 BAMAXは仮想環境全体を探索しようとするマルチエージェントシステムにおける協調的な探索手法である。 その結果、BAMAXは、より高速なカバレッジと、これらの環境におけるバックトラックの少ないという点で、他の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-13T07:38:24Z)
• Caution for the Environment: Multimodal Agents are Susceptible to Environmental Distractions [68.92637077909693]
  本稿では,グラフィカルユーザインタフェース(GUI)環境におけるマルチモーダル大規模言語モデル(MLLM)エージェントの忠実さについて検討する。 ユーザとエージェントの両方が良性であり、環境は悪質ではないが、無関係なコンテンツを含む、一般的な設定が提案されている。 実験結果から、ジェネラリストエージェントや専門的なGUIエージェントなど、最も強力なモデルでさえ、気晴らしの影響を受けやすいことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-05T15:16:22Z)
• Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI [129.08019405056262]
  人工知能(Embodied AI)は、人工知能(AGI)の実現に不可欠である MLMとWMは、その顕著な知覚、相互作用、推論能力のために、大きな注目を集めている。 本調査では,Embodied AIの最近の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2024-07-09T14:14:47Z)
• DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
  本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。 8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。 従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
  論文  参考訳（メタデータ） (2024-06-10T20:08:44Z)
• HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
  HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。 このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
  論文  参考訳（メタデータ） (2024-01-23T18:59:43Z)
• 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)
• GUTS: Generalized Uncertainty-Aware Thompson Sampling for Multi-Agent Active Search [5.861092453610268]
  一般化された不確実性認識型トンプソンサンプリング (GUTS) アルゴリズムは, 大規模非構造環境における能動探索のための異種マルチロボットシステムへの展開に適したアルゴリズムである。 探索面積が75,000 sq.mの非構造環境におけるマルチロボットシステムを用いたフィールドテストを行った。
  論文  参考訳（メタデータ） (2023-04-04T18:58:16Z)
• Multi-Agent Interplay in a Competitive Survival Environment [0.0]
  この論文は、2022年、ローマ・サピエンザ大学の人工知能とロボティクスの修士号に対する著者の論文"Multi-Agent Interplay in a Competitive Survival Environment"の一部である。
  論文  参考訳（メタデータ） (2023-01-19T12:04:03Z)
• OPEn: An Open-ended Physics Environment for Learning Without a Task [132.6062618135179]
  オープンエンドな物理環境で学んだ世界のモデルが、特定のタスクを伴わずに、下流の物理推論タスクに再利用できるかどうかについて検討する。 我々は,OPEn(Open-ended Physics ENvironment)のベンチマークを構築し,この環境における学習表現をテストするためのいくつかのタスクを明示的に設計する。 その結果、教師なしのコントラスト学習を表現学習に用いたエージェントと、探索のためのインパクト駆動学習が最良の結果となった。
  論文  参考訳（メタデータ） (2021-10-13T17:48:23Z)

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。