Diese Seite wurde maschinell aus dem Englischen übersetzt. Sehen Sie sich die englische Originalversion an.
Forscher, Modellierer und Ingenieure, die sich für mehragente Systeme, kollektives Verhalten und Aktive Inferenz interessieren.
Modellierung kollektiven Verhaltens durch Mehragenten-Ansätze mit Aktiver Inferenz, verbunden mit der Forschung zu Ameisenkolonien.
Dieses Projekt ist archiviert. Es ist nicht mehr aktiv und jede Beteiligung unten beschreibt, wie es zuvor funktionierte.
Auf dieser Seite
Active Inferanten ist ein Multi-Agenten-Modellierungsprojekt, das Active Inference auf kollektives Verhalten anwendet, inspiriert von der Dynamik von Ameisensiedlungen. Es hat eine GitHub-Repository, einen Papierveröffentlichung aus dem Jahr 2021 und Code hervorgebracht, der im Rahmen des Active Blockference-Projekts entwickelt wurde, mit mehreren Realisierungen in verschiedenen Modellierungskontexten.
Active Inferants entwickelt Multi-Agenten-Modelle unter Verwendung von Aktiver Inferenz, um kollektives Verhalten zu simulieren und zu verstehen. Das Projekt zieht Inspiration aus der Biologie sozialer Insekten – insbesondere dem Finden und der Organisation von Ameisenvölker – und wendet generative Modellierung an, um zu verstehen, wie lokale Agentenverhalten kollektive Intelligenz ohne zentrale Koordination erzeugt.
Das grundlegende Papier ist Friedman, Tschantz, Ramstead, Friston und Constant (2021), „Ein aktiver Inferenzrahmen für das Verhalten von Ameisen“, veröffentlicht in Frontiers in Behavioral Neuroscience – einer der ersten Arbeiten zur aktiven Inferenz, die stigmergische (pheromonbasierte) Kommunikation modelliert. Das Projekt unterhält außerdem ein GitHub-Repository mit mehreren Code-Implementierungen und wird teilweise im Rahmen des Projekts Active Blockference entwickelt. Die Arbeit umfasst Einzelagentenmodelle, kollektive Futterszenarien und theoretische Erweiterungen.
Beiträger mit Hintergründen in rechnerischer Biologie, Mehragentensystemen, Aktiver Inferenz oder Verhaltensökologie sind willkommen. Technische Beiträge (Code, Modelle) und konzeptuelle Arbeiten (Theorie, Dokumentation) werden gleichermaßen geschätzt.
Verwandte Ressourcen
Externe Links werden aus dem gemeinsamen Register aufgelöst, sodass zielgerichtete Bestimmungen zentralisiert und überprüfbar bleiben.
Audience: Newcomer
Primary public community channel for conversation, coordination, and newcomer orientation.
Audience: Developer
Project repository for multiagent Active Inference modeling work.
Repoziteure
Audience: Developer
Python models and materials for ant-inspired multiagent Active Inference.
Audience: Developer
Public ants repository in the ActiveInferenceInstitute GitHub namespace.