論文の概要: HECATE: An ECS-based Framework for Teaching and Developing Multi-Agent Systems
- arxiv url: http://arxiv.org/abs/2509.06431v1
- Date: Mon, 08 Sep 2025 08:26:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-09 14:07:04.018086
- Title: HECATE: An ECS-based Framework for Teaching and Developing Multi-Agent Systems
- Title（参考訳）: HECATE:マルチエージェントシステムの教育と開発のためのECSベースのフレームワーク
- Authors: Arthur Casals, Anarosa A. F. Brandão,
- Abstract要約: HECATEはEntity-Component-Systemアーキテクチャパターンを使って構築されており、データ指向設計を利用してマルチエージェントシステムを実装する。
フレームワークのアーキテクチャ、コアコンポーネント、実装アプローチを示し、異なるエージェントモデルをどのようにサポートするかを示す。
- 参考スコア（独自算出の注目度）: 0.038233569758620044
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper introduces HECATE, a novel framework based on the Entity-Component-System (ECS) architectural pattern that bridges the gap between distributed systems engineering and MAS development. HECATE is built using the Entity-Component-System architectural pattern, leveraging data-oriented design to implement multiagent systems. This approach involves engineering multiagent systems (MAS) from a distributed systems (DS) perspective, integrating agent concepts directly into the DS domain. This approach simplifies MAS development by (i) reducing the need for specialized agent knowledge and (ii) leveraging familiar DS patterns and standards to minimize the agent-specific knowledge required for engineering MAS. We present the framework's architecture, core components, and implementation approach, demonstrating how it supports different agent models.
- Abstract（参考訳）: 本稿では,分散システム工学とMAS開発の間のギャップを埋める,エンティティコンポーネントシステム(ECS)アーキテクチャパターンに基づく新しいフレームワークであるHECATEを紹介する。
HECATEはEntity-Component-Systemアーキテクチャパターンを使って構築されており、データ指向設計を利用してマルチエージェントシステムを実装する。
このアプローチには、分散システム(DS)の観点からのエンジニアリングマルチエージェントシステム(MAS)が含まれ、エージェントの概念を直接DSドメインに統合する。
このアプローチはMAS開発を単純化する
一 専門エージェント知識の必要を減らし
(II) 工学的MASに必要なエージェント固有の知識を最小化するために、慣れ親しんだDSパターンと標準を活用する。
フレームワークのアーキテクチャ、コアコンポーネント、実装アプローチを示し、異なるエージェントモデルをどのようにサポートするかを示す。
関連論文リスト
- GENAI WORKBENCH: AI-Assisted Analysis and Synthesis of Engineering Systems from Multimodal Engineering Data [0.0]
GenAIは、システムエンジニアリングの原則をデザイナのワークフローに統合する、モデルベースシステムエンジニアリング(MBSE)環境である。
オープンソースのPLMプラットフォーム上に構築され、ドキュメント、物理B-rep幾何学、リレーショナルシステムグラフからのセマンティックデータをリンクすることで、統一されたデジタルスレッドを確立する。
本稿では,このワーク・イン・プログレス・フレームワークのコンセプト・アーキテクチャ,提案手法,および期待される影響について述べる。
論文 参考訳（メタデータ） (2026-02-27T19:04:13Z) - Agentic Design Patterns: A System-Theoretic Framework [8.108572809924956]
エージェント設計パターンに対する既存の取り組みは、厳密なシステム理論の基礎を欠いていることが多い。
本稿では,エージェントAIシステムを5つのコアに分解し,機能的サブシステムと相互作用する新しいシステム理論フレームワークを提案する。
エージェント設計における繰り返し問題に対する再利用可能な構造的解決策を提供する12のエージェント設計パターンのコレクションを提示する。
論文 参考訳（メタデータ） (2026-01-27T16:14:08Z) - Youtu-LLM: Unlocking the Native Agentic Potential for Lightweight Large Language Models [78.73992315826035]
ネイティブエージェントインテリジェンスと高い計算効率を調和させる軽量言語モデルであるYoutu-LLMを紹介する。
Youtu-LLMは、スクラッチから体系的に推論と計画能力の育成まで事前訓練されている。
論文 参考訳（メタデータ） (2025-12-31T04:25:11Z) - Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。
具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。
我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2025-11-21T12:25:47Z) - A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。
近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。
この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
論文 参考訳（メタデータ） (2025-08-10T16:07:32Z) - MOD-X: A Modular Open Decentralized eXchange Framework proposal for Heterogeneous Interoperable Artificial Intelligence Agents [0.7864304771129751]
本稿では,エージェント相互運用のための新しいアーキテクチャフレームワークであるMOD-Xを紹介する。
現在のアプローチとは異なり、MOD-Xはユニバーサルメッセージバスを備えた階層アーキテクチャを提案する。
主なイノベーションとしては、パブリッシュ-サブスクライブ通信モデル、セマンティック機能発見、動的ワークフローオーケストレーションなどがある。
論文 参考訳（メタデータ） (2025-07-06T12:46:57Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - Distinguishing Autonomous AI Agents from Collaborative Agentic Systems: A Comprehensive Framework for Understanding Modern Intelligent Architectures [0.0]
大規模言語モデルの出現は、人工知能の2つの異なる相互接続パラダイム、すなわちスタンドアロンAIエージェントと協調エージェントAIエコシステムを触媒した。
本研究は, 運用原則, 構造構成, 配置方法論の体系的解析を通じて, これらのアーキテクチャを識別するための決定的な枠組みを確立する。
論文 参考訳（メタデータ） (2025-06-02T08:52:23Z) - Serving Deep Learning Model in Relational Databases [70.53282490832189]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。
最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。
UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
論文 参考訳（メタデータ） (2023-10-07T06:01:35Z) - Multi-Agent Reinforcement Learning for Microprocessor Design Space
Exploration [71.95914457415624]
マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。
この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。
評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
論文 参考訳（メタデータ） (2022-11-29T17:10:24Z) - 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)
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。