QMIX
PulseAugur coverage of QMIX — every cluster mentioning QMIX across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新算法CEDA优化灾难中多无人机医疗运送
研究人员开发了CEDA，一种用于在灾难场景中协调多无人机医疗物资运送的新型算法。这种采用集中式训练、分布式执行（CTDE）的方法，利用带有QMIX风格混合网络的双深度Q网络来优化路线规划、协调和能源效率。CEDA采用了一种优先保留公平调度策略，该策略考虑了分诊权重和公平性，旨在最大限度地减少死亡率，并确保不同患者优先级别得到及时响应。在涉及五架无人机服务多达五十名患者的模拟以及使用X500四旋翼无人机的PX4软件在环测试中的验证表明，…
-
QMIX算法在电动汽车充电站分配上优于IQL
一篇新的研究论文探讨了应用多智能体强化学习来优化电动汽车（EV）充电站分配。该研究将使用集中式训练、去中心化执行的QMIX算法与合作式独立Q学习（IQL）基线进行了比较。在模拟的城市网络中进行评估，QMIX表现出更优越的性能，与IQL相比，实现了更高的平均奖励，并显著提高了车辆接受率。
-
新的AssemblyGrid v1基准测试评估多机器人生产系统
研究人员推出了AssemblyGrid v1，这是一个旨在评估多机器人生产系统的新基准测试。该基准测试解决了柔性机器人生产中的挑战，例如去中心化控制、局部信息以及临时联盟的需求。它结合了明确的工艺流程、物料转移和依赖于几何形状的可行性，以模拟复杂的生产环境。AssemblyGrid v1包含各种工作负载家族和场景级别，可用于评估基于学习和非学习的方法。
-
新型AI模型提升联网车辆的合作编队效率
研究人员开发了一种新的多智能体深度强化学习模型，以改善混合交通环境中联网和自动驾驶汽车（CAVs）的合作编队。该模型集成了QMIX和CNN-QMIX框架，旨在处理数量不定的CAVs和人类驾驶车辆，从而优化车道变换决策。在微观模拟环境中的评估表明，与传统的基于规则的模型相比，该方法可将合作编队率显著提高高达26.2%，尤其是在CAV部署的早期阶段。