Resumen: La inteligencia artificial encarnada (IA encarnada) juega un papel fundamental en la aplicación de tecnologías avanzadas en la era inteligente, donde los sistemas de IA están integrados con cuerpos físicos que les permiten percibir, razonar e interactuar con sus entornos. Mediante el uso de sensores para entrada y actuadores para la acción, estos sistemas pueden aprender y adaptarse en función de la retroalimentación del mundo real, lo que les permite realizar tareas de manera efectiva en entornos dinámicos e impredecibles. A medida que las técnicas como el aprendizaje profundo (DL), el aprendizaje de refuerzo (RL) y los modelos de idiomas grandes (LLM) maduran, la IA encarnada se ha convertido en un campo líder tanto en la academia como en la industria, con aplicaciones que abarcan robótica, atención médica, transporte y fabricación. Sin embargo, la mayoría de las investigaciones se han centrado en los sistemas de un solo agente que a menudo asumen entornos estáticos y cerrados, mientras que la IA encarnada del mundo real debe navegar escenarios mucho más complejos. En tales entornos, los agentes no solo deben interactuar con su entorno, sino también colaborar con otros agentes, lo que requiere mecanismos sofisticados para la adaptación, el aprendizaje en tiempo real y la resolución de problemas colaborativos. A pesar del creciente interés en los sistemas de múltiples agentes, la investigación existente sigue siendo de alcance estrecho, a menudo dependiendo de modelos simplificados que no logran capturar la complejidad completa de los entornos dinámicos y abiertos para la IA incorporada de múltiples agentes. Además, ninguna encuesta integral ha revisado sistemáticamente los avances en esta área. A medida que la IA incorporada evoluciona rápidamente, es crucial profundizar nuestra comprensión de la IA incorporada de múltiples agentes para abordar los desafíos presentados por las aplicaciones del mundo real. Para llenar este vacío y fomentar un mayor desarrollo en el campo, este documento revisa el estado actual de la investigación, analiza las contribuciones clave e identifica desafíos y direcciones futuras, proporcionando información para guiar la innovación y el progreso en este campo.
Publicado Originalme en rss.arxiv.org El 8 de mayo de 2025.
Ver Fuente Original
