Amii est fière de partager les travaux de ses chercheurs lors de la 20e conférence internationale annuelle sur les agents autonomes et les systèmes multi-agents (AAMAS). La conférence se déroule en ligne du 3 au 7 mai 2021.

L'AAMAS est la conférence la plus importante et la plus influente dans le domaine des agents et des systèmes multi-agents. Elle rassemble des chercheurs et des praticiens dans tous les domaines de la technologie des agents, et offre un forum de renommée internationale et de haut niveau pour publier et découvrir les derniers développements dans le domaine.

Les articles acceptés portent essentiellement sur l'apprentissage par renforcement, une branche de l'apprentissage automatique qui permet aux systèmes d'IA d'apprendre par l'expérience. Les chercheurs d'Amii sont des pionniers et des leaders dans ce domaine.

Les boursiers Amii et les chaires CIFAR AI du Canada - professeurs à l'université d'Alberta - sont inclus dans les actes, ainsi que d'autres chercheurs Amii. (* indique qu'il s'agit d'un chercheur ou d'un ancien chercheur d'Amii):

Articles acceptés

Piste principale : Communications complètes

Apprentissage par renforcement du champ moyen partiellement observable

• Sriram Ganapathi Subramanian, Matthew E. TaylorMark Crowley et Pascal Poupart

Piste principale : Résumés détaillés

Algorithmes sains dans les jeux à information imparfaite

• Michal Sustr, Martin Schmid*, Matej Moravčík*, Neil Burch*, Marc Lanctot* et Michael Bowling

Piste Blue Sky Ideas

Un programme d'études automatique diversifié est essentiel à la réussite des systèmes d'apprentissage multi-agents dans le monde réel.

• Yaodong Yang, Matthew E. TaylorJun Luo, Ying Wen, Oliver Slumbers, Daniel Graves, Haitham Bou Ammar et Jun Wang

Documents de l'atelier

Les documents suivants sont présentés lors de la conférence sur les agents adaptatifs et d'apprentissage (ALA) Agents adaptatifs et d'apprentissage (ALA) (agents adaptatifs et d'apprentissage) :

L'effet de la réutilisation de la fonction Q sur le regret total de l'apprentissage par renforcement tabulaire, sans modèle.

• Vlad Tkachuk*, Sriram Ganapathi, et Matthew E. Taylor

Coordination multiniveau d'agents d'apprentissage par renforcement via la messagerie apprise

• Nikunj Gupta, Gopalakrishnan Srinivasaraghavan, Swarup Mohalik, Nishant Kumar et Matthew E. Taylor

Travail en cours : Comparaison de la distribution des retours d'information dans des contextes limités entre enseignants et étudiants

• Calarina Muslimani*, Kerrick Johnstonbaugh et Matthew Taylor

Service

Outre la présentation de son travail à la conférence de l'AAMAS, Matthew E. Taylor a également fait partie du comité du programme senior.

Découvrez comment Amii fait progresser la recherche de pointe en matière d'intelligence artificielle et d'apprentissage automatique : visitez notre page Recherche.