Buchumschlag

LLMSat: A Large Language Model-Based Goal-Oriented Agent for Autonomous Space Exploration

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Maranto, David
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Robotics Artificial Intelligence Machine Learning Multiagent Systems Space Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Schema-Guided Scene-Graph Reasoning based on Multi-Agent Large Language Model System
von: Chen, Yiye, et al.
Veröffentlicht: (2025)

Compositional Coordination for Multi-Robot Teams with Large Language Models
von: Huang, Zhehui, et al.
Veröffentlicht: (2025)

Multi-Agent Deep Q-Network with Layer-based Communication Channel for Autonomous Internal Logistics Vehicle Scheduling in Smart Manufacturing
von: Feizabadi, Mohammad, et al.
Veröffentlicht: (2024)

Goal-Oriented Multi-Agent Reinforcement Learning for Decentralized Agent Teams
von: Du, Hung, et al.
Veröffentlicht: (2025)

HiMAP: Learning Heuristics-Informed Policies for Large-Scale Multi-Agent Pathfinding
von: Tang, Huijie, et al.
Veröffentlicht: (2024)

Distributed Autonomous Swarm Formation for Dynamic Network Bridging
von: Galliera, Raffaele, et al.
Veröffentlicht: (2024)

Human Implicit Preference-Based Policy Fine-tuning for Multi-Agent Reinforcement Learning in USV Swarm
von: Kim, Hyeonjun, et al.
Veröffentlicht: (2025)

Innate-Values-driven Reinforcement Learning based Cooperative Multi-Agent Cognitive Modeling
von: Yang, Qin
Veröffentlicht: (2024)

Redistributing Rewards Across Time and Agents for Multi-Agent Reinforcement Learning
von: Kapoor, Aditya, et al.
Veröffentlicht: (2025)

TorchDriveEnv: A Reinforcement Learning Benchmark for Autonomous Driving with Reactive, Realistic, and Diverse Non-Playable Characters
von: Lavington, Jonathan Wilder, et al.
Veröffentlicht: (2024)

Low-Rank Agent-Specific Adaptation (LoRASA) for Multi-Agent Policy Learning
von: Zhang, Beining, et al.
Veröffentlicht: (2025)

MARFT: Multi-Agent Reinforcement Fine-Tuning
von: Liao, Junwei, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Multi-Agent Coordination
von: Aina, Kehinde O., et al.
Veröffentlicht: (2025)

Controlling Behavioral Diversity in Multi-Agent Reinforcement Learning
von: Bettini, Matteo, et al.
Veröffentlicht: (2024)

Multi-Agent Inverse Q-Learning from Demonstrations
von: Haynam, Nathaniel, et al.
Veröffentlicht: (2025)

Sequence Pathfinder for Multi-Agent Pickup and Delivery in the Warehouse
von: Zhao, Zeyuan, et al.
Veröffentlicht: (2025)

Cross-Modal Navigation with Multi-Agent Reinforcement Learning
von: Liu, Shuo, et al.
Veröffentlicht: (2026)

Graph Attention-Guided Search for Dense Multi-Agent Pathfinding
von: Jain, Rishabh, et al.
Veröffentlicht: (2025)

Selectively Sharing Experiences Improves Multi-Agent Reinforcement Learning
von: Gerstgrasser, Matthias, et al.
Veröffentlicht: (2023)

ESP: Exploiting Symmetry Prior for Multi-Agent Reinforcement Learning
von: Yu, Xin, et al.
Veröffentlicht: (2023)

Learning Team-Based Navigation: A Review of Deep Reinforcement Learning Techniques for Multi-Agent Pathfinding
von: Chung, Jaehoon, et al.
Veröffentlicht: (2023)

Learning Multi-Agent Loco-Manipulation for Long-Horizon Quadrupedal Pushing
von: Feng, Yuming, et al.
Veröffentlicht: (2024)

Superhuman Safe and Agile Racing through Multi-Agent Reinforcement Learning
von: Geles, Ismail, et al.
Veröffentlicht: (2026)

System Neural Diversity: Measuring Behavioral Heterogeneity in Multi-Agent Learning
von: Bettini, Matteo, et al.
Veröffentlicht: (2023)

Evaluating and Improving Graph-based Explanation Methods for Multi-Agent Coordination
von: Kailas, Siva, et al.
Veröffentlicht: (2025)

Assigning Credit with Partial Reward Decoupling in Multi-Agent Proximal Policy Optimization
von: Kapoor, Aditya, et al.
Veröffentlicht: (2024)

Multi-Agent Inverse Reinforcement Learning in Real World Unstructured Pedestrian Crowds
von: Chandra, Rohan, et al.
Veröffentlicht: (2024)

Enhancing Aerial Combat Tactics through Hierarchical Multi-Agent Reinforcement Learning
von: Selmonaj, Ardian, et al.
Veröffentlicht: (2025)

Reliable and Efficient Multi-Agent Coordination via Graph Neural Network Variational Autoencoders
von: Meng, Yue, et al.
Veröffentlicht: (2025)

Scalable Multi-Agent Reinforcement Learning for Warehouse Logistics with Robotic and Human Co-Workers
von: Krnjaic, Aleksandar, et al.
Veröffentlicht: (2022)

Deploying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Multi-Agent Path Finding
von: Jiang, He, et al.
Veröffentlicht: (2024)

MFC-EQ: Mean-Field Control with Envelope Q-Learning for Moving Decentralized Agents in Formation
von: Lin, Qiushi, et al.
Veröffentlicht: (2024)

Optimizing Crowd-Aware Multi-Agent Path Finding through Local Communication with Graph Neural Networks
von: Pham, Phu, et al.
Veröffentlicht: (2023)

When Planners Meet Reality: How Learned, Reactive Traffic Agents Shift nuPlan Benchmarks
von: Hagedorn, Steffen, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Controlled Differential Equations for Scalable Long Horizon Multi-Agent Motion Forecasting
von: Sural, Shounak, et al.
Veröffentlicht: (2025)

Chain of Uncertain Rewards with Large Language Models for Reinforcement Learning
von: Mo, Shentong
Veröffentlicht: (2026)

Learning a Stable, Safe, Distributed Feedback Controller for a Heterogeneous Platoon of Autonomous Vehicles
von: Shaham, Michael H., et al.
Veröffentlicht: (2024)

Energy-Aware Multi-Agent Reinforcement Learning for Collaborative Execution in Mission-Oriented Drone Networks
von: Li, Ying, et al.
Veröffentlicht: (2024)

Communication-Free Collective Navigation for a Swarm of UAVs via LiDAR-Based Deep Reinforcement Learning
von: Choi, Myong-Yol, et al.
Veröffentlicht: (2026)

InteRACT: Transformer Models for Human Intent Prediction Conditioned on Robot Actions
von: Kedia, Kushal, et al.
Veröffentlicht: (2023)