本文描述了ACE0,这是一个轻量级平台,用于评估人工智能方法在多Agent仿真中的行为发现的适用性和可行性。具体来说,ACE0被设计用来探索与自主飞机等新技术相关的运筹学研究中使用的多Agent仿真的人工智能方法。生产中使用的仿真环境通常是高保真、复杂的,需要大量的领域知识,因此研发成本很高。最小和轻量级的模拟环境可以帮助研究人员和工程师以更敏捷和潜在的成本效益方式评估新的人工智能技术行为发现的可行性。在本文中,我们描述了开发ACE0的动机。我们提供了系统架构的技术概述,描述了一个关于航空航天领域行为发现的案例研究,并对系统进行了定性评估。该评价包括对与学术伙伴的合作研究项目的简要描述,探索不同的人工智能行为发现方法。

成为VIP会员查看完整内容
49

相关内容

The science of better.
【AAAI2021 Tutorial】工业界负责任的人工智能,262页ppt
专知会员服务
115+阅读 · 2021年2月7日
兵棋推演的智能决策技术与挑战
专知
24+阅读 · 2022年7月5日
DARPA | 世界上最大的“5G+AI+仿真”探索项目
走向智能论坛
30+阅读 · 2019年7月29日
推荐系统产品与算法概述 | 深度
AI100
11+阅读 · 2019年6月13日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年8月15日
已删除
Arxiv
32+阅读 · 2020年3月23日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Arxiv
26+阅读 · 2018年8月19日
A Multi-Objective Deep Reinforcement Learning Framework
VIP会员
相关VIP内容
【AAAI2021 Tutorial】工业界负责任的人工智能,262页ppt
专知会员服务
115+阅读 · 2021年2月7日
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
微信扫码咨询专知VIP会员