Der Artikel untersucht Methoden zur Erhaltung der Privatsphäre bei der Lösung des Multi-Agenten-Pfadfindungsproblems (MAPF). Es werden zwei Arten von Datenschutz definiert und Algorithmen vorgeschlagen, die diese erfüllen. Planning-Level-Privatsphäre wird durch Mock-Agents erreicht, während Execution-Level-Privatsphäre bei begrenzter Sensing-Kapazität gewährleistet wird. Die Arbeit zeigt, wie bestehende MAPF-Algorithmen angepasst werden können und präsentiert eine Post-Processing-Methode zur Reduktion der Kosten ohne Datenschutzverlust.
Datenschutz in MAPF
Methoden zur Erhaltung der Privatsphäre in MAPF
Einordnung
Kategorie
Autonomie & Emergenz
Score
9
Relevanz
Der Artikel untersucht die Wechselwirkung zwischen technischer Struktur und sozialer Dynamik im Kontext von Datenschutz und Autonomie. Es wird gezeigt, wie Algorithmen entwickelt werden können, um sowohl technische Anforderungen als auch ethische Überlegungen zu berücksichtigen.
Quelle
Details
Stichwort
Privacy Preserving Multi Agent Path Finding
LLM Type
qwen2.5:32b-instruct-q5_K_M
Edition
Daily News
Markierung
Bot
Archiviert am
Mai 15, 2026