論文の概要: Towards Urban General Intelligence: A Review and Outlook of Urban Foundation Models
- arxiv url: http://arxiv.org/abs/2402.01749v2
- Date: Sun, 05 Jan 2025 03:45:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-07 17:05:01.214464
- Title: Towards Urban General Intelligence: A Review and Outlook of Urban Foundation Models
- Title（参考訳）: 都市総合インテリジェンスに向けて : 都市基盤モデルと展望
- Authors: Weijia Zhang, Jindong Han, Zhao Xu, Hang Ni, Tengfei Lyu, Hao Liu, Hui Xiong,
- Abstract要約: 機械学習技術の統合は、インテリジェントな都市サービスの発展の基盤となっている。
ChatGPTのような基盤モデルの最近の進歩は、機械学習と人工知能の分野でパラダイムシフトをもたらした。
UFM(Urban Foundation Models)に注目が集まる一方で、急速に発展するこの分野は重要な課題に直面している。
- 参考スコア（独自算出の注目度）: 24.88814197611069
- License:
- Abstract: The integration of machine learning techniques has become a cornerstone in the development of intelligent urban services, significantly contributing to the enhancement of urban efficiency, sustainability, and overall livability. Recent advancements in foundational models, such as ChatGPT, have introduced a paradigm shift within the fields of machine learning and artificial intelligence. These models, with their exceptional capacity for contextual comprehension, problem-solving, and task adaptability, present a transformative opportunity to reshape the future of smart cities and drive progress toward Urban General Intelligence (UGI). Despite increasing attention to Urban Foundation Models (UFMs), this rapidly evolving field faces critical challenges, including the lack of clear definitions, systematic reviews, and universalizable solutions. To address these issues, this paper first introduces the definition and concept of UFMs and highlights the distinctive challenges involved in their development. Furthermore, we present a data-centric taxonomy that classifies existing research on UFMs according to the various urban data modalities and types. In addition, we propose a prospective framework designed to facilitate the realization of versatile UFMs, aimed at overcoming the identified challenges and driving further progress in this field. Finally, this paper explores the wide-ranging applications of UFMs within urban contexts, illustrating their potential to significantly impact and transform urban systems. A comprehensive collection of relevant research 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）: 機械学習技術の統合は、インテリジェントな都市サービスの発展の基盤となり、都市の効率性、持続可能性、全体的な自由性の向上に大きく貢献している。
ChatGPTのような基盤モデルの最近の進歩は、機械学習と人工知能の分野でパラダイムシフトをもたらした。
これらのモデルは、文脈的理解、問題解決、タスク適応性に特有な能力を持ち、スマートシティの将来を再構築し、UGI(Urban General Intelligence)への前進を促進するための変革的な機会を提供する。
UFM(Urban Foundation Models)への関心が高まりつつあるにもかかわらず、この急速に発展する分野は、明確な定義の欠如、体系的レビュー、普遍化可能なソリューションなど、重要な課題に直面している。
これらの課題に対処するために、まず、UFMの定義と概念を導入し、その開発にかかわる特異な課題を強調します。
さらに, 様々な都市データモダリティとタイプに基づいて, UFMの既存研究を分類するデータ中心分類法を提案する。
さらに,特定課題を克服し,この分野のさらなる進歩を図ることを目的とした,多目的UFMの実現を促進するための予測フレームワークを提案する。
最後に, 都市環境におけるUFMの適用範囲を広く検討し, 都市システムに大きく影響し, 変容する可能性について考察する。
関連する研究論文とオープンソースリソースの包括的なコレクションがまとめられ、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
- Ten Challenging Problems in Federated Foundation Models [55.343738234307544]
フェデレーション・ファンデーション・モデル(Federated Foundation Models、FedFM)は、フェデレーション・モデルの一般的な能力とフェデレーション・ラーニングのプライバシー保護能力を融合させる分散学習パラダイムである。
本稿では,FedFMに固有の10の課題について,基礎理論,プライベートデータの利用,継続学習,非学習,非IIDおよびグラフデータ,双方向知識伝達,インセンティブ機構設計,ゲーム機構設計,モデル透かし,効率を包括的に要約する。
論文 参考訳（メタデータ） (2025-02-14T04:01:15Z) - Graph Foundation Models for Recommendation: A Comprehensive Survey [55.70529188101446]
大規模言語モデル(LLM)は自然言語を処理し、理解するために設計されており、どちらも非常に効果的で広く採用されている。
最近の研究はグラフ基礎モデル(GFM)に焦点を当てている。
GFM は GNN と LLM の強みを統合し,複雑な RS 問題をより効率的にモデル化する。
論文 参考訳（メタデータ） (2025-02-12T12:13:51Z) - Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。
次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。
20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
論文 参考訳（メタデータ） (2025-01-20T07:12:40Z) - 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) - CityBench: Evaluating the Capabilities of Large Language Models for Urban Tasks [10.22654338686634]
広範な一般知識と強力な推論能力を持つ大規模言語モデル(LLM)は、急速な開発と広範な応用が見られた。
本稿では,対話型シミュレータによる評価プラットフォームであるCityBenchを設計する。
我々は,CityBenchとして認識理解と意思決定の2つのカテゴリに8つの代表的都市タスクを設計する。
論文 参考訳（メタデータ） (2024-06-20T02:25:07Z) - 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) - 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) - Responsible Urban Intelligence: Towards a Research Agenda [25.413990589851643]
レスポンシブル・アーバン・インテリジェンス(RUI)の概念的枠組みを提案する。
RUIは、都市問題、技術の実現、責任を含む3つの主要なコンポーネントから構成される。
我々は、データとモデルの透明性、パフォーマンスと公平性の緊張、エコフレンドリーな方法で都市問題の解決といった課題に対処する。
論文 参考訳（メタデータ） (2022-08-07T13:19:23Z) - 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。