Zespół badawczy opracował framework SPIN, który rozwiązuje jeden z kluczowych problemów wieloagentowych systemów roju na brzegu sieci: wykładniczy wzrost złożoności wraz ze wzrostem liczby agentów. Zamiast tradycyjnego podejścia, które wymaga obliczeń proporcjonalnych do n do potęgi m, nowa metoda zmniejsza to do zaledwie liniowego O(m · n · χ²).
Klucz do tego osiągnięcia leży w tensorowej reprezentacji topologii roju. Framework rozkłada wspólne polityki akcji agentów na łańcuchy Matrix Product State (MPS), tworząc skompresowaną strukturę, którą można efektywnie obliczać nawet na słabszych urządzeniach. To pozwala na prawdziwą decentralizację — każdy agent może działać niezależnie bez potrzeby stałego połączenia z serwerem centralnym.
Co wyróżnia SPIN, to hybrydowe podejście neuro-symboliczne. Sieci neuronowe pracują jako enkodery koordynacji, wstępnie przeszkolone offline na geometryczne deskryptory. W czasie wykonania agenci używają zaawansowanego filtra ważności bazującego na pochodnej Radona-Nikodýma do natychmiastowego dostosowania zachowania — wszystko bez konieczności treningu online. Eksperymentalne walidacje wykazały skuteczność w scenariuszach śledzenia, rozproszenia roju i koordynacji wielu celów, otwierając nowe możliwości dla autonomicznych systemów roju na urządzeniach brzegowych.