論文の概要: Open-TI: Open Traffic Intelligence with Augmented Language Model
- arxiv url: http://arxiv.org/abs/2401.00211v1
- Date: Sat, 30 Dec 2023 11:50:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 18:32:56.218519
- Title: Open-TI: Open Traffic Intelligence with Augmented Language Model
- Title（参考訳）: Open-TI: 拡張言語モデルによるオープントラフィックインテリジェンス
- Authors: Longchao Da, Kuanru Liou, Tiejin Chen, Xuesong Zhou, Xiangyong Luo,
Yezhou Yang, Hua Wei
- Abstract要約: Open-TIは、チューリング識別可能なトラフィックインテリジェンスを目標とする革新的なモデルである。
ゼロから徹底的な交通分析を行うことができる最初の方法である。
Open-TIは、トレーニングや交通信号制御ポリシーの適用といったタスク固有の実施を可能にする。
- 参考スコア（独自算出の注目度）: 23.22301632003752
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transportation has greatly benefited the cities' development in the modern
civilization process. Intelligent transportation, leveraging advanced computer
algorithms, could further increase people's daily commuting efficiency.
However, intelligent transportation, as a cross-discipline, often requires
practitioners to comprehend complicated algorithms and obscure neural networks,
bringing a challenge for the advanced techniques to be trusted and deployed in
practical industries. Recognizing the expressiveness of the pre-trained large
language models, especially the potential of being augmented with abilities to
understand and execute intricate commands, we introduce Open-TI. Serving as a
bridge to mitigate the industry-academic gap, Open-TI is an innovative model
targeting the goal of Turing Indistinguishable Traffic Intelligence, it is
augmented with the capability to harness external traffic analysis packages
based on existing conversations. Marking its distinction, Open-TI is the first
method capable of conducting exhaustive traffic analysis from scratch -
spanning from map data acquisition to the eventual execution in complex
simulations. Besides, Open-TI is able to conduct task-specific embodiment like
training and adapting the traffic signal control policies (TSC), explore demand
optimizations, etc. Furthermore, we explored the viability of LLMs directly
serving as control agents, by understanding the expected intentions from
Open-TI, we designed an agent-to-agent communication mode to support Open-TI
conveying messages to ChatZero (control agent), and then the control agent
would choose from the action space to proceed the execution. We eventually
provide the formal implementation structure, and the open-ended design invites
further community-driven enhancements.
- Abstract（参考訳）: 交通は近代文明の過程で都市の発展に大きな利益をもたらした。
高度なコンピュータアルゴリズムを活用するインテリジェントトランスポートは、人々の日々の通勤効率をさらに高める可能性がある。
しかし、知的な輸送は、横断的な分野として、しばしば実践者が複雑なアルゴリズムとあいまいなニューラルネットワークを理解することを要求し、先進的な技術が実際的な産業で信頼され、デプロイされるという課題をもたらす。
事前訓練された大規模言語モデルの表現性,特に複雑なコマンドの理解と実行能力で強化される可能性を認識して,Open-TIを紹介する。
Open-TIは、業界と学術のギャップを軽減するための橋として、チューリング識別不能なトラフィックインテリジェンス(Turing Indistinguishable Traffic Intelligence)の目標を目標とする革新的なモデルであり、既存の会話に基づいた外部トラフィック分析パッケージを活用する能力を拡張している。
Open-TIは、地図データ取得から複雑なシミュレーションにおける最終的な実行までのスクラッチスパンニングから網羅的なトラフィック解析を行う最初の方法である。
さらに、Open-TIは、トレーニングやTSC(Traffic Signal Control Policy)の適用、需要最適化など、タスク固有の実施を可能にする。
さらに,open-tiから期待される意図を理解することで,制御エージェントとして直接llmsが機能する可能性について検討し,チャットゼロ(制御エージェント)へのオープンtiメッセージ送信をサポートするエージェント間通信モードを設計し,その実行を進めるためのアクションスペースから制御エージェントを選択した。
最終的には形式的な実装構造を提供し、オープンな設計はコミュニティ主導のさらなる拡張を招きます。
関連論文リスト
- GenAI-powered Multi-Agent Paradigm for Smart Urban Mobility: Opportunities and Challenges for Integrating Large Language Models (LLMs) and Retrieval-Augmented Generation (RAG) with Intelligent Transportation Systems [10.310791311301962]
本稿では,大規模言語モデル (LLM) と新生検索・拡張生成技術 (RAG) の変換可能性について検討する。
本稿では,スマートモビリティサービスをインテリジェントかつ対話的に提供可能なマルチエージェントシステムの開発を目的とした概念的フレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-31T16:14:42Z) - Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。
本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。
設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
論文 参考訳（メタデータ） (2024-04-10T13:24:27Z) - From Generative AI to Generative Internet of Things: Fundamentals,
Framework, and Outlooks [82.964958051535]
生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。
GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-10-27T02:58:11Z) - TrafficGPT: Viewing, Processing and Interacting with Traffic Foundation
Models [10.904594811905778]
TrafficGPTはChatGPTと交通基盤モデルの融合である。
大きな言語モデルとトラフィックの専門知識をシームレスに相互運用することで、TrafficGPTは、この領域でAI機能を活用するための新しいアプローチを提供する。
論文 参考訳（メタデータ） (2023-09-13T04:47:43Z) - A Novel Multi-Agent Deep RL Approach for Traffic Signal Control [13.927155702352131]
都市ネットワークにおける複数の交通信号制御のための Friend-Deep Q-network (Friend-DQN) アプローチを提案する。
特に、複数のエージェント間の協調は状態-作用空間を減少させ、収束を加速させる。
論文 参考訳（メタデータ） (2023-06-05T08:20:37Z) - Topics in Deep Learning and Optimization Algorithms for IoT Applications
in Smart Transportation [0.0]
この論文は、最適化アルゴリズムと機械学習の異なる手法をどのように活用してシステム性能を向上するかを考察する。
第1のトピックでは、分散ADMM方式を用いた最適な伝送周波数管理方式を提案する。
第2のトピックでは、共有自転車の需要予測にグラフニューラルネットワーク(GNN)を活用する。
最後のトピックでは、頻繁に車線変更行動が発生するハイウェイ交通ネットワークのシナリオについて考察する。
論文 参考訳（メタデータ） (2022-10-13T11:45:30Z) - Efficient Federated Learning with Spike Neural Networks for Traffic Sign
Recognition [70.306089187104]
我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。
数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
論文 参考訳（メタデータ） (2022-05-28T03:11:48Z) - Visual-Language Navigation Pretraining via Prompt-based Environmental
Self-exploration [83.96729205383501]
本稿では,言語埋め込みの高速適応を実現するために,プロンプトベースの学習を導入する。
我々のモデルは、VLNやREVERIEを含む多様な視覚言語ナビゲーションタスクに適応することができる。
論文 参考訳（メタデータ） (2022-03-08T11:01:24Z) - AI in Smart Cities: Challenges and approaches to enable road vehicle
automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。
本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文 参考訳（メタデータ） (2021-04-07T14:31:08Z) - Path Design and Resource Management for NOMA enhanced Indoor Intelligent
Robots [58.980293789967575]
通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。
室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。
調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
論文 参考訳（メタデータ） (2020-11-23T21:45:01Z) - Leveraging Personal Navigation Assistant Systems Using Automated Social
Media Traffic Reporting [1.552282932199974]
自然言語処理(NLP)に基づく自動交通警報システムの開発
本稿では,変換器(BERT)言語埋め込みモデルを用いて,関連するトラフィック情報をソーシャルメディアからフィルタリングする。
開発したアプローチは,リアルタイムに交通関連情報を抽出し,ナビゲーション支援アプリケーションのためのアラートに自動的に変換する方法について述べる。
論文 参考訳（メタデータ） (2020-04-21T02:26:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。