論文の概要: Towards Urban General Intelligence: A Review and Outlook of Urban
Foundation Models
- arxiv url: http://arxiv.org/abs/2402.01749v1
- Date: Tue, 30 Jan 2024 04:48:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 16:20:08.642409
- Title: Towards Urban General Intelligence: A Review and Outlook of Urban
Foundation Models
- Title（参考訳）: 都市総合知性に向けて : 都市基礎モデルのレビューと展望
- Authors: Weijia Zhang, Jindong Han, Zhao Xu, Hang Ni, Hao Liu, Hui Xiong
- Abstract要約: ChatGPTのような基盤モデルの近年の出現は、機械学習と人工知能の分野で革命的な変化を示している。
アーバン・ファンデーション・モデルへの関心が高まりつつあるにもかかわらず、この急成長する分野は明確な定義の欠如、体系的なレビュー、普遍化可能なソリューションといった課題に直面している。
本稿では,都市データモダリティとタイプに基づいて,現在のUFM関連研究を分類するデータ中心分類法を提案する。
- 参考スコア（独自算出の注目度）: 26.517572366783384
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning techniques are now integral to the advancement of
intelligent urban services, playing a crucial role in elevating the efficiency,
sustainability, and livability of urban environments. The recent emergence of
foundation models such as ChatGPT marks a revolutionary shift in the fields of
machine learning and artificial intelligence. Their unparalleled capabilities
in contextual understanding, problem solving, and adaptability across a wide
range of tasks suggest that integrating these models into urban domains could
have a transformative impact on the development of smart cities. Despite
growing interest in Urban Foundation Models~(UFMs), this burgeoning field faces
challenges such as a lack of clear definitions, systematic reviews, and
universalizable solutions. To this end, this paper first introduces the concept
of UFM and discusses the unique challenges involved in building them. We then
propose a data-centric taxonomy that categorizes current UFM-related works,
based on urban data modalities and types. Furthermore, to foster advancement in
this field, we present a promising framework aimed at the prospective
realization of UFMs, designed to overcome the identified challenges.
Additionally, we explore the application landscape of UFMs, detailing their
potential impact in various urban contexts. Relevant papers and open-source
resources have been collated and are continuously updated at
https://github.com/usail-hkust/Awesome-Urban-Foundation-Models.
- Abstract（参考訳）: 機械学習技術は現在、インテリジェントな都市サービスの発展に不可欠であり、都市環境の効率、持続可能性、リバビリティを高める上で重要な役割を果たしている。
ChatGPTのような最近の基盤モデルの出現は、機械学習と人工知能の分野で革命的な変化を示している。
コンテキスト理解、問題解決、および幅広いタスクにおける適応性におけるこれらの非並列的な能力は、これらのモデルを都市ドメインに統合することは、スマートシティの開発に変革をもたらす可能性があることを示唆している。
UFM(Urban Foundation Models)への関心が高まりつつあるにもかかわらず、この急成長する分野は明確な定義の欠如、体系的なレビュー、普遍化可能なソリューションといった課題に直面している。
この目的のために,本論文ではまずUFMの概念を紹介し,その構築にかかわるユニークな課題について論じる。
次に、都市データモダリティとタイプに基づいて、現在のUFM関連の作品を分類するデータ中心分類法を提案する。
さらに,この分野の進歩を促進するために,特定課題を克服すべく設計された ufms の実現に向けた有望な枠組みを提案する。
さらに,UFMの応用状況について検討し,都市環境におけるその潜在的な影響について詳述する。
関連論文とオープンソースリソースは、https://github.com/usail-hkust/Awesome-Urban-Foundation-Modelsで継続的に更新されている。
関連論文リスト
- Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。
モチベーションと背景の概要から始まり、続いて基本概念が導入された。
我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文 参考訳（メタデータ） (2024-10-22T01:08:21Z) - MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。
公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。
本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
論文 参考訳（メタデータ） (2024-07-11T17:56:49Z) - UrbanLLM: Autonomous Urban Activity Planning and Management with Large Language Models [20.069378890478763]
UrbanLLMは、都市関連クエリを管理可能なサブタスクに分解することで問題を解決する。
サブタスクごとに適切なAIモデルを特定し、与えられたクエリに対する包括的な応答を生成する。
論文 参考訳（メタデータ） (2024-06-18T07:41:42Z) - Leveraging Generative AI for Urban Digital Twins: A Scoping Review on the Autonomous Generation of Urban Data, Scenarios, Designs, and 3D City Models for Smart City Advancement [7.334114326621768]
生成人工知能(AI)モデルは、データとコード生成において独自の価値を示してきた。
この調査は、一般的な生成AIモデルとその応用分野の導入と、既存の都市科学応用のレビューから始まる。
このレビューに基づいて、次世代の都市デジタル双生児に生成AIモデルを統合する可能性と技術的戦略について検討する。
論文 参考訳（メタデータ） (2024-05-29T19:23:07Z) - Forging Vision Foundation Models for Autonomous Driving: Challenges,
Methodologies, and Opportunities [59.02391344178202]
ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。
総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。
本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
論文 参考訳（メタデータ） (2024-01-16T01:57:24Z) - Urban Generative Intelligence (UGI): A Foundational Platform for Agents
in Embodied City Environment [32.53845672285722]
複雑な多層ネットワークを特徴とする都市環境は、急速な都市化に直面している重要な課題に直面している。
近年、ビッグデータ、人工知能、都市コンピューティング、デジタル双生児が発展し、洗練された都市モデリングとシミュレーションの基礎を築いた。
本稿では,大規模言語モデル(LLM)を都市システムに統合した新しい基盤プラットフォームである都市生成知能(UGI)を提案する。
論文 参考訳（メタデータ） (2023-12-19T03:12:13Z) - Learn From Model Beyond Fine-Tuning: A Survey [78.80920533793595]
Learn From Model (LFM) は、モデルインターフェースに基づいた基礎モデル(FM)の研究、修正、設計に焦点を当てている。
LFM技術の研究は、モデルチューニング、モデル蒸留、モデル再利用、メタラーニング、モデル編集の5つの分野に大別できる。
本稿では, LFM の観点から, FM に基づく現在の手法を概観する。
論文 参考訳（メタデータ） (2023-10-12T10:20:36Z) - The Urban Toolkit: A Grammar-based Framework for Urban Visual Analytics [5.674216760436341]
都市問題の複雑な性質と利用可能なデータの圧倒的な量は、これらの取り組みを実用的な洞察に翻訳する上で大きな課題を提起している。
興味のある特徴を分析する際、都市の専門家は、異なるテーマ(例えば、日光アクセス、人口統計)と物理的(例えば、建物、ストリートネットワーク)のデータ層を変換し、統合し、視覚化しなければならない。
これにより、プログラマにとって視覚的なデータ探索とシステム実装が難しくなり、コンピュータ科学以外の都市の専門家にとって高い入り口障壁となる。
論文 参考訳（メタデータ） (2023-08-15T13:43:04Z) - A Transformer Framework for Data Fusion and Multi-Task Learning in Smart
Cities [99.56635097352628]
本稿では,新興スマートシティを対象としたトランスフォーマーベースのAIシステムを提案する。
ほぼ全ての入力データと出力タスクタイプをサポートし、現在のS&CCをサポートする。
S&CC環境を代表する多様なタスクセットを学習して実演する。
論文 参考訳（メタデータ） (2022-11-18T20:43:09Z) - A Cross-City Federated Transfer Learning Framework: A Case Study on
Urban Region Profiling [24.103961649276584]
本稿では,データ不足やプライバシー問題に対処する新しいクロスシティ・フェデレーション・トランスファー・ラーニング・フレームワーク(CcFTL)を提案する。
CcFTLは、複数のリッチデータソース都市から対象都市にリレーショナル知識を転送する。
都市域のプロファイリングをスマートシティの応用として捉え,提案手法を実世界の研究で評価する。
論文 参考訳（メタデータ） (2022-05-31T12:41:01Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z)
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。