في عالم الذكاء الاصطناعي، تسعى التطبيقات المتعددة للوكلاء (Multi-Agent Path Finding - MAPF) إلى تنسيق حركات عدة وكلاء في بيئات مشتركة دون تصادم. غالبًا ما تُفترض هذه البرامج أن جميع العقبات الثابتة معروفة مسبقًا، ولكن في الواقع، قد تتغير البيئات بسبب سقوط الأجسام أو انسكابات المكونات أو أي اضطرابات محلية أخرى.

تكمن المشكلة في أن الأساليب التقليدية تعالج عدم اليقين من خلال التخطيط المشروط أو إعادة التخطيط بناءً على ملاحظات مباشرة، لكنها لا تستفيد من العلاقة الفضائية لتقدير الكهرب والعبور في الأماكن القريبة غير الملاحظة.

هنا يأتي دور تطويرنا الجديد، "إطار عمل استنتاج الاعتقاد متعدد الوكلاء باستخدام تكنولوجيا Gaussian" (MAGIC). هذا الإطار يقوم بتحديث تصور مشترك عن قابلية التحرك بناءً على ملاحظات الوكلاء، باستخدام طريقة Gaussian Markov Random Field وتقنية الاستدلال عبر الانتشار.

أظهرت التجارب أن MAGIC قادر على تقليل إجمالي التكاليف المنفذة مقارنة بالأساليب السابقة في 96.3% من الحالات، مُشددًا على قابلية هذا الإطار في التعامل مع مشكلات MAPF على نطاق واسع تشمل فرق من 800 وكيل. وهذا يُظهر فعالية مدهشة وجاذبية التطبيق في الحياة العملية.

هل يثير هذا الابتكار الفضول لديك؟ هل تفكر في تطبيق هذا الإطار في مشاريعك المستقبلية؟ شاركونا آرائكم في التعليقات!