本研究提出了一种新颖的多智能体框架（MAKGED），旨在提高知识图谱错误检测的准确性，特别是在细粒度子图信息利用和决策透明度方面，显示出在特定工业场景中的应用潜力。

本研究提出了一种新型神经网络——神经物质网络（NMN），通过yat积实现非线性模式识别，无需传统激活函数。NMN在多个数据集上表现优于传统多层感知器，展示了简化架构与有效性的结合，提升了神经网络决策过程的透明度。

本文探讨了基于ASPIC+形式主义的论证框架，以解决自主代理人在任务执行中的冲突问题，并提出适用于法律智能和伦理决策的推理方法。研究展示了如何在不确定环境中设计代理的伦理义务，提出新的功利伦理逻辑和推导状态论证框架，增强决策的透明度和一致性。

本文提出了一种名为定性可解释图（QXG）的方法，用于城市移动场景理解。QXG通过时空图和定性约束，从传感器数据中提取场景语义，支持自动驾驶车辆的环境解读，具备实时构建能力，提升决策透明度，服务于乘客通知和道路安全分析。研究表明，QXG在感知与控制中的应用潜力巨大。