Investigadores de la Universidad de Teherán, socia de TV BRICS, desarrollaron un nuevo marco de inteligencia artificial distribuida que permite a múltiples agentes autónomos aprender y tomar decisiones de forma independiente, mientras coordinan sus acciones bajo restricciones operativas comunes.
El enfoque aborda uno de los principales desafíos del aprendizaje por refuerzo multiagente: permitir que los sistemas autónomos cooperen de manera eficiente sin depender de un controlador centralizado. Cada agente utiliza únicamente información local y la comunicación con agentes vecinos, lo que hace al sistema más escalable, resistente y adecuado para entornos reales, según Mehr News Agency, socio de TV BRICS.
El método combina un marco de optimización distribuida con una arquitectura de aprendizaje por refuerzo basada en el modelo actor-crítico, que permite a los agentes adaptar continuamente su comportamiento mientras cumplen las restricciones del sistema. Los investigadores demostraron además que el algoritmo alcanza soluciones estables, con una base teórica sólida para su futura aplicación práctica.
Los especialistas consideran que este avance podría impulsar tecnologías autónomas en sectores como la robótica, las redes energéticas inteligentes, la gestión del tráfico urbano, los vehículos autónomos y la computación distribuida, al eliminar la necesidad de coordinación centralizada.
