マルチエージェント

シェリングの分居モデルをJavaScriptで実装しました。 ランダムに配置されたエージェント達が初めは移動を繰り返していますが、だんだんと同種のエージェント同士でカタマリを作って定住するようになっていきます。だいたい数十秒で収束しますので、しばらく見守ってあげてください。 See the Pen Untitled by Imai (@imai1) on CodePen. このモデルの面白いところは、非常に簡単なルールのエージェントしか実装していないのに、上記のような挙動になることです。初めて知ったという方は以下の解説もご覧いただけたら嬉しいです。 モデルについて モデルの定義 モデルの解説 …

GitHub Code 実施内容 実行環境 PPOハイパーパラメータ シミュレーション条件 トレーニング履歴 トレーニング時の評価結果 性能評価 生成された戦術 Red team = 1 swarm vs Blue team = 1 swarm Red team = 2 swarms vs Blue team = 2 swarms Red team = 3 swarms vs Blue team = 3 swarms Red team = 5 swarms vs Blue team = 5 swarms Red team = 8 swarms vs Blue team = 7 swarms 汎…

こんにちは、ティアフォーでパートタイムエンジニアをしている吉本です。 本記事では、計算量を抑えつつシミュレータ内のNPCロジックをよりリアルにする手法について紹介します。 なお、ティアフォーでは「自動運転の民主化」をともに実現していく、学生パートタイムエンジニアを常時募集しています。 自動運転という活発に研究開発が行われている分野で生き残っていくためには、自社で技術開発を行っていくと同時に常に最新の論文からキャッチアップし続ける必要があり、論文の内容の実装や改良を行っていくなど、幅広い領域でパートタイムエンジニアの募集があります。 まずは「話を聞いてみたい」でも結構ですので、もしご興味があれば…

GitHub Code 実施内容 実行環境 シミュレーション条件 トレーニング履歴 トレーニング時の評価結果 性能評価 生成された戦術 １ swarm vs 1 swarm 2 swarm vs 1 swarm 3 swarm vs 1 swarm 1 swarm vs 2 swarms 2 swarms vs 2 swarms 3 swarms vs 2 swarms ロバスト性（汎化能力） 生成された戦術例（汎化性能） Red_team=10 swarms vs Blue_team=1 swarm Red_team=10 swarms vs Blue_team=10 swarms Red …

追記@2021.10.08を書いた時に、なぜかフォーマットが乱れていました。修正しました。ゴメンナサイ はじめに （マルチエージェント）強化学習の研究例 研究の目的 群 vs 群の戦闘モデル（ランチェスター・戦闘モデル） 使用するマルチエージェント強化学習 まとめ 追記 @2021.10.08 追記 @2023.03.04 KeywordSwarm, Company, Platoon, Autonomous, Mass, Consolidation of force, Economy of force, Multi-agent, Reinforcement learning, Lanchest…

はじめに マルチエージェント強化学習は，マルチロボット制御などへの応用が期待されています．しかし，複数のエージェントに設計者の望む学習をさせるのは困難です． 本記事では，ゲーム理論の分析手法である，進化ダイナミクスを用いることでエージェントの学習軌跡・結果を予測する研究について紹介します． 具体的には，「Tuyls, K., T Hoen, P. J., & Vanschoenwinkel, B. (2006). An evolutionary dynamical analysis of multi-agent learning in iterated games. Autonomous Ag…

はじめに マルチエージェント強化学習は，マルチロボット制御などへの応用が期待されています．しかし，複数のエージェントに設計者の望む学習をさせるのは困難です． 本記事では，ゲーム理論の分析手法である，進化ダイナミクスを用いることでエージェントの学習軌跡・結果を予測する研究について紹介します． 具体的には，「Tuyls, K., T Hoen, P. J., & Vanschoenwinkel, B. (2006). An evolutionary dynamical analysis of multi-agent learning in iterated games. Autonomous Ag…

Sidプロジェクトの全貌と驚異のシミュレーション 🌟 Sidプロジェクトとは？ プロジェクトの目標 びっくりするようなシミュレーションの例 📈 1. オリビアの探検の物語 🚀 2. トランプとカマラハリスのパラレルワールド 🌍 3. 村人行方不明事件と共同作業 🔦 Sidプロジェクトの成果と未来展望 ✨ まとめ 関連動画リンク こんにちは！長谷川です！今回のブログでは、YouTube動画「Sidプロジェクト：自律AIエージェントによる革新とシミュレーション」の内容を詳しくご紹介します。Sidプロジェクトの魅力的なシミュレーションや驚くべきAIエージェントの行動について、具体的に見ていきましょう…

ジェネラティブエージェンツの大嶋です。 運営している勉強会コミュニティStudyCoで「【LangChainゆる勉強会#11】LangGraphでのHuman-in-the-loopの実装」というイベントを開催しました。 studyco.connpass.com アーカイブ動画はこちらです。 youtube.com 勉強会の内容 この勉強会では、LangGraphでのHuman-in-the-loopの例として、エージェントがツールを使う際に人間が承認する挙動をライブで実装していきました。 LangGraphの 公式ドキュメント のコードをベースとして、Streamlitのアプリとして実装を進…

「ChatGPTを使い尽くす！ 深津式プロンプト読本」 補足めも From LLMs to LLM-based Agents for Software Engineering: A Survey of Current, Challenges and Future Weekly AI Agents News! RAG Foundry: A Framework for Enhancing LLMs for Retrieval Augmented Generation HybridRAG: Integrating Knowledge Graphs and Vector Retrieval Augme…

9/4(水): シンポジウム1日目 @梅田スカイビル Tower WEST 36F 「スペース36L」 [10:30-11:00] 受付 (留学交流会) [11:00-12:00] 留学交流会 [12:30-13:00] 受付 (ハッカソン) [13:00-20:00] YANS分野交流ハッカソン with 言語処理学会30周年記念事業 9/5(木): シンポジウム2日目 @梅田スカイビル Tower WEST 10F 「アウラホール」 [09:30-10:00] 開場 [10:00-10:30] オープニング [10:30-11:30] チュートリアル(1) 「ニューラルネットワークの損失地…

音韻・文法・形式言語学 / 10件 機械学習 (統計・数理) / 4件 機械学習 (転移学習・ドメイン適応) / 10件 機械学習 (マルチタスク・その他) / 8件 LLM構築 / 14件 LLM分析 / 40件 LLM応用 / 63件 言語モデル・ニューラルネットワーク (LLM除く) / 13件 モデル解釈・可視化 / 17件 評価指標・品質推定 / 18件 少数データ・データ拡張 / 7件 言語資源・アノテーション / 26件 単語分割・形態素解析 / 1件 埋め込み表現 / 22件 構文解析・意味解析・共参照解析 / 7件 情報抽出・知識獲得 / 27件 読解・含意・質問応答 / 7…