Cette page a été traduite automatiquement de l'anglais. Consultez l'original en anglais.
Chercheurs, modéliseurs et ingénieurs intéressés par les systèmes multi-agents, le comportement collectif et l'Inférence Active.
Modélisation multi-agents du comportement collectif par l'inférence active, avec des liens vers la recherche sur les colonies de fourmis.
Ce projet est archivé. Il n'est plus actif et toute participation ci-dessous décrit son fonctionnement précédent.
Sur cette page
Les « Active Inferants » sont un projet de modélisation multi-agents appliquant l'Inférence Active au comportement collectif, inspiré de la dynamique des colonies d'fourmis. Il a produit un dépôt GitHub, une publication de 2021 et du code développé dans le cadre du projet Active Blockference, avec plusieurs réalisations dans différents contextes de modélisation.
Les « Active Inferants » développent des modèles multi-agents en utilisant l'Inférence Active pour simuler et comprendre le comportement collectif. Le projet s'inspire de la biologie des insectes sociaux, notamment de la recherche de nourriture et de l'organisation des colonies d'fourmis, et applique la modélisation générative pour comprendre comment les comportements locaux des agents produisent une intelligence collective sans coordination centrale.
Le document fondateur du projet est Friedman, Tschantz, Ramstead, Friston et Constant (2021), « Un cadre d'inférence active pour le comportement des colonies de fourmis », publié dans Frontiers in Behavioral Neuroscience — l’un des premiers articles sur l'inférence active qui modélise la communication stigmergique (via des phéromones). Le projet maintient également un dépôt GitHub avec plusieurs réalisations de code et est développé en partie grâce au projet Blockference. Le travail couvre les modèles d'agents individuels, les scénarios de recherche collective et les extensions théoriques.
Les contributeurs ayant des formations en biologie computationnelle, systèmes multi-agents, Active Inference ou écologie comportementale sont les bienvenus. Les contributions techniques (code, modèles) et le travail conceptuel (théorie, documentation) sont tous deux appréciés.
Ressources associées
Les liens externes sont résolus à partir du registre partagé, de sorte que les destinations visibles pour les visiteurs restent centralisées et vérifiables.
Audience: Newcomer
Primary public community channel for conversation, coordination, and newcomer orientation.
Audience: Developer
Project repository for multiagent Active Inference modeling work.
Répositoires
Audience: Developer
Python models and materials for ant-inspired multiagent Active Inference.
Audience: Developer
Public ants repository in the ActiveInferenceInstitute GitHub namespace.