Нам не подошла ни одна среда для MARL в непрерывном пространстве — поэтому мы сделали CAMAR
Представьте задачу: есть куча роботов, и им всем надо куда‑то добраться, не столкнувшись с собратьями, а мы должны придумать для этого алгоритм. Это, если упрощать, и называется многоагентным планированием или MAPF — Multi‑Agent Pathfinding.
Почему будущее ИИ-агентов — децентрализованные сети, а не оркестраторы
Статья написана мной на основе личных экспериментов и исследований в области децентрализованных когнитивных систем.Нейросеть использовалась исключительно для редакторской правки — улучшения формулировок, устранения грамматических ошибок и повышения читаемости текста.Все идеи, архитектурные принципы и выводы принадлежат автору.Почему современные агентные системы остаются централизованными, даже когда выглядят как «рои» — и зачем для автономных ИИ нужен децентрализованный протокол.Этот текст основан на спецификации
Я пришёл в программирование из логистики. И в итоге начал строить систему по проверке кода
Привет, Хабр.Немного контекста, потому что я уже успел наступить на грабли: написал технический пост, получил пару “вежливых” комментариев, пару очень невежливых, и карма улетела туда, где зимой холодно. )))Нюанс какой: я зашёл “с места в карьер”, как будто все уже знают, кто я, откуда и почему я так пишу и так думаю. А по факту — нет, конечно. Поэтому этот пост — “паспорт”: кто я, откуда выросла идея, почему я вообще полез в код, почему у меня агенты, почему “завод”, и что я могу обсуждать с инженерами предметно (а что — не могу и не буду, потому что там секреты/безопасность/коммерческое ядро).
Почему многоагентные системы ломаются (и почему это нормально)
Есть ощущение, что мы сейчас живём в странный период: LLM-агенты уже умеют “делать работу”, но ещё не умеют быть предсказуемыми.На демке всё выглядит идеально: — один агент пишет код, — второй — тесты, — третий — делает ревью, — четвёртый — собирает артефакты и отчёт, — пятый — “оператор”, который всё это оркестрирует.Первые пару запусков ты сидишь и думаешь: “Ну всё. Завтра индустрия будет другой”. На третьем запуске агент уверенно сообщает: “Я исправил проблему”, и одновременно:аккуратно удаляет половину нужных миграций,“чуть-чуть” меняет контракт API,
Конец эры «одноядерного» разума: Почему будущее ИИ — это гонка архитектур, а не параметров
От автора
MAC: путешествие в мир агентов
Введение в мир агентовПриветствую, хабровчане! В этой статье мы прогуляемся с вами по миру многоагентных систем (МАС) — технологии, которая сочетает прикладную разработку с фундаментальными исследованиями.
Сердце роя: алгоритм навигации роя киборгов-насекомых
Одной из самых активно обсуждаемых тем двадцать первого века является искусственный интеллект и роботизированные технологии. С каждым годом появляются все более совершенные андроиды, способные выполнять те или иные действия, имитируя своих создателей. Но человекоподобный робот не единственный вид, который заслуживает внимания. Также создаются роботы, имитирующие других существ, таких как рыбы, птицы и насекомые. Во время создания роящихся роботов нельзя не учесть тот факт, что рой реальных насекомых, будь то пчелы или муравьи, всегда действует как слаженный механизм, а каждая отдельная особь точно знает свою задачу и маршрут движения, необходимый для ее выполнения. Реализовать подобное поведение внутри исключительно роботизированной системы крайне сложно и затратно, потому необходимы альтернативные решения, даже если они слегка футуристичны Ученые из Наньянского технологического университета (Сингапур) разработали новый алгоритм управления навигацией для роящихся киборгов-насекомых, позволяющий им успешно перемещаться по сложной местности организованными группами. Что легло в основу данного алгоритма, и как он работает? Ответы на эти вопросы мы найдем в докладе ученых.
