Resumen: Los métodos cooperativos de múltiples agentes para la IA incorporada se evalúan casi universalmente bajo comunicación idealizada: latencia cero, sin pérdida de paquetes y ancho de banda ilimitado. El despliegue en el mundo real de robots con enlaces inalámbricos, vehículos autónomos en redes congestionadas o enjambres de drones en espectros en disputa no ofrece tales garantías. Presentamos AgentComm-Bench, un conjunto de pruebas comparativas y un protocolo de evaluación que prueba sistemáticamente la IA incorporada cooperativa en seis dimensiones de deterioro de la comunicación: latencia, pérdida de paquetes, colapso del ancho de banda, actualizaciones asincrónicas, memoria obsoleta y evidencia conflictiva de sensores. AgentComm-Bench abarca tres familias de tareas: percepción cooperativa, navegación de puntos de referencia de múltiples agentes y búsqueda de zonas cooperativas, y evalúa cinco estrategias de comunicación, incluido un método liviano que proponemos basado en codificación de mensajes redundantes con fusión consciente de la obsolescencia. Nuestros experimentos revelan que las tareas dependientes de la comunicación se degradan catastróficamente: la memoria obsoleta y el colapso del ancho de banda provocan caídas de rendimiento de más del 96 % en la navegación, mientras que la corrupción del contenido (datos obsoletos o conflictivos) reduce la percepción F1 en más del 85 %. La vulnerabilidad depende de la interacción entre el tipo de discapacidad y el diseño de la tarea; La fusión de percepción es resistente a la pérdida de paquetes, pero amplifica los datos corruptos. La codificación de mensajes redundantes duplica con creces el rendimiento de la navegación con una pérdida de paquetes del 80 %. Lanzamos AgentComm-Bench como un protocolo de evaluación práctico y recomendamos que el trabajo cooperativo de IA incorporada informe el desempeño bajo múltiples condiciones de deterioro.
Publicado originalmente en export.arxiv.org el 23 de marzo de 2026.
Ver fuente original
