Modelización de
Agentes
La realidad está compuesta por individuos interconectados. Mediante la Modelización de Agentes, en CAOS simulamos sistemas complejos donde múltiples entidades de software autónomas (agentes) interactúan entre sí. Esta aproximación nos permite estudiar comportamientos colectivos emergentes, diseñar plataformas sociales inteligentes y crear soluciones distribuidas para la asistencia humana. Algunos ejemplos de ello sonSistemas Multi-Agente (MAS), o directamente la Simulación de Entornos Virtuales mediante combinación de agentes.
Sistemas Multi-Agente
Arquitecturas de software donde los agentes cooperan o compiten para resolver problemas descentralizados
Simulación de Entornos Virtuales
Modelado del comportamiento y reconocimiento de actividades de usuarios para teleasistencia o entrenamiento asistido
Análisis de Flujo de Datos
Análisis del flujo de tráfico, distribución de espacios urbanos, simulación de la propagación de enfermedades y toma de decisiones automática
Hitos del Laboratorio
Modelización del Comportamiento Humano: Se han desarrollado modelos de comportamiento dentro del ecosistema del vehículo autónomo en lo que, en lugar de tratar a los peatones o a otros vehículos como meros obstáculos estáticos o predecibles, se modelan como agentes autónomos interactivos con intenciones y estados internos (fatiga, distracción, trayectorias probables).
Movilidad Urbana Cooperativa: El desarrollo de entornos de simulación de ciudades inteligentes donde conviven agentes heterogéneos: vehículos conectados, semáforos inteligentes, sensores de tráfico y centrales de control. Mediante esta modelización, han demostrado cómo el intercambio de información entre agentes puede mitigar atascos y reducir las emisiones contaminantes.
Flotas Logísticas Multiagente: Diseño de protocolos de negociación y consenso donde cada vehículo actúa como un agente independiente. Ante un imprevisto (como un corte de tráfico o una avería), los agentes «negocian» entre sí de forma autónoma para redistribuirse las tareas y replanificar las rutas óptimas en tiempo real, sin necesidad de que un servidor central recalcule todo el problema.
Caso de Éxito Europeo – Proyecto Trainutri: El grupo CAOS lideró el desarrollo de la plataforma social sénior Trainutri, financiada por la Unión Europea (Ambient Assisted Living Joint Programme). El sistema empleaba inteligencia distribuida y agentes de software para monitorizar, motivar y pautar el entrenamiento y nutrición de personas mayores, mejorando sustancialmente su calidad de vida.
«El poder más peligroso es el del que manda pero no gobierna.»
– Gonzalo Torrente –