Noticias externas

Resumen: El aprendizaje por refuerzo profundo multiagente (MADRL) ha demostrado potencial para tareas cooperativas y competitivas como la conducción autónoma y los juegos estratégicos. Sin embargo, los modelos entrenados por MADRL son vulnerables a perturbaciones adversas en estados y acciones. Por tanto, es fundamental investigar la robustez de los modelos MADRL desde una perspectiva de ataque.

Resumen:La percepción del entorno de conducción tiene un papel vital para la conducción autónoma y hoy en día ha sido explorada activamente para su realización. La comunidad de investigación y las partes interesadas relevantes necesitan el desarrollo de modelos de aprendizaje profundo (DL) y soluciones habilitadas para IA para mejorar los vehículos autónomos (AV) para la movilidad inteligente.

Resumen: Una limitación fundamental de los agentes de IA actuales es su incapacidad para aprender habilidades complejas sobre la marcha en el momento de la prueba, comportándose a menudo como “pasantes inteligentes pero despistados” en entornos novedosos. Esto limita gravemente su utilidad práctica.