Collaboratieve AI via multi-actor systemen


“Het doel van deze challenge is om flexibele coördinatiemechanismen te ontwikkelen voor autonome systemen, opdat ze zich kunnen aanpassen aan veranderende omgevingen, feilloos met elkaar en met mensen kunnen interageren en op een veilige manier privacygevoelige gegevens kunnen uitwisselen. Multi-agent systemen kunnen de kracht van AI inzetten in een gedistribueerde maar interagerende en geconnecteerde wereld die onderhevig is aan verandering."

Multi-actor systemen bestaan uit meerdere intelligente actoren, die elk hun autonome beslissingen nemen. Eigen aan zo’n systeem is dat geen van de actoren het hele systeem kent, noch directe controle heeft over de andere componenten. Dit is bijvoorbeeld interessant voor systemen die zich moeten aanpassen aan het gedrag van mensen, zoals de optimalisatie van verkeerslichten. Andere voorbeelden zijn de optimalisatie van systemen die onder de verantwoordelijkheid vallen van verschillende stakeholders, zoals verschillende logistieke problemen, alsook voor privacygevoelige systemen waarbij de ene actor niet al zijn data aan de andere actoren kenbaar kan maken. Enkele andere toepassingen zijn mobiliteit, multi-robot systemen, windmolenparken en waterwegen. Het onderzoek richt zich op adaptiviteit, robuustheid, beheersbaarheid en randvoorwaarden voor het goed functioneren van multi-agent systemen.

Ann Nowé VUB AI Lab Management team
Leander Schietgat VUB AI Lab Management team + WP1 Lead: Use Cases
Bram Vanderborght VUB Robotics & Multibody Mechanics WP2 Lead: Multi-Agent Control Systems
Bart de Boer VUB AI Lab WP3 Hybrid Multi-Agent Systems for Collective Action
Jan Van den Bussche UHasselt WP4 Lead: Distributed Data Intelligence

Verschillende onderzoeksgroepen werken samen in dit onderzoekdomein. Bovenstaande tabel geeft enkel de contactpersonen weer per werkpakket.

Meer weten?