論文の概要: PlanGPT: Enhancing Urban Planning with Tailored Language Model and Efficient Retrieval

• arxiv url: http://arxiv.org/abs/2402.19273v1
• Date: Thu, 29 Feb 2024 15:41:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 14:14:11.748249
• Title: PlanGPT: Enhancing Urban Planning with Tailored Language Model and Efficient Retrieval
• Title（参考訳）: PlanGPT:台詞モデルと効率的な検索による都市計画の強化
• Authors: He Zhu, Wenjia Zhang, Nuoxian Huang, Boyang Li, Luyao Niu, Zipei Fan, Tianle Lun, Yicheng Tao, Junyou Su, Zhaoya Gong, Chenyu Fang and Xing Liu
• Abstract要約: 汎用的な大規模言語モデルは、しばしばプランナーのニーズを満たすのに苦労する。 PlanGPTは、都市と空間計画に適した最初の大規模言語モデルである。
• 参考スコア（独自算出の注目度）: 8.345858904808873
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the field of urban planning, general-purpose large language models often struggle to meet the specific needs of planners. Tasks like generating urban planning texts, retrieving related information, and evaluating planning documents pose unique challenges. To enhance the efficiency of urban professionals and overcome these obstacles, we introduce PlanGPT, the first specialized Large Language Model tailored for urban and spatial planning. Developed through collaborative efforts with institutions like the Chinese Academy of Urban Planning, PlanGPT leverages a customized local database retrieval framework, domain-specific fine-tuning of base models, and advanced tooling capabilities. Empirical tests demonstrate that PlanGPT has achieved advanced performance, delivering responses of superior quality precisely tailored to the intricacies of urban planning.
• Abstract（参考訳）: 都市計画の分野では、汎用の大規模言語モデルは、しばしばプランナーの特定のニーズを満たすのに苦労する。 都市計画テキストの作成、関連情報の検索、計画文書の評価といったタスクは、ユニークな課題となる。 都市の専門家の効率を高め、これらの障害を克服するために、都市と空間の計画に合わせた最初の専門的な大規模言語モデルであるplangptを紹介する。 中国都市計画アカデミーなどの機関との協力によって開発されたPlanGPTは、カスタマイズされたローカルデータベース検索フレームワーク、ベースモデルのドメイン固有の微調整、高度なツール機能を活用している。 実証実験により、PlanGPTは高度な性能を示し、都市計画の複雑さに合わせて優れた品質の応答を提供する。

関連論文リスト

• Exploring and Benchmarking the Planning Capabilities of Large Language Models [57.23454975238014]
  この研究は、大規模言語モデル(LLM)の計画能力を改善するための基礎を築いた。 我々は、古典的な計画ベンチマークと自然言語シナリオの両方を含む包括的なベンチマークスイートを構築した。 本研究は,LLM計画の強化を目的としたマルチショットインコンテキスト学習について検討し,文脈長の増大と計画性能の向上の関係について検討する。
  論文  参考訳（メタデータ） (2024-06-18T22:57:06Z)
• Large Language Model for Participatory Urban Planning [22.245571438540512]
  大きな言語モデル(LLM)は、人間のようなエージェントをシミュレートする能力を示す。 参加型都市計画のためのLLMに基づくマルチエージェント協調フレームワークを提案する。 本手法は, 住民満足度と包括性の測定値において, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-02-27T02:47:50Z)
• Learning adaptive planning representations with natural language guidance [90.24449752926866]
  本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。 Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
  論文  参考訳（メタデータ） (2023-12-13T23:35:31Z)
• Planning as In-Painting: A Diffusion-Based Embodied Task Planning Framework for Environments under Uncertainty [56.30846158280031]
  具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。 In-paintingとしての計画」というタスク非依存の手法を提案する。 提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-02T10:07:17Z)
• EIPE-text: Evaluation-Guided Iterative Plan Extraction for Long-Form Narrative Text Generation [114.50719922069261]
  長文物語テキスト生成のための評価誘導反復計画抽出法(EIPE-text)を提案する。 EIPEテキストには、計画抽出、学習、推論の3段階がある。 小説やストーリーテリングの分野におけるEIPEテキストの有効性を評価する。
  論文  参考訳（メタデータ） (2023-10-12T10:21:37Z)
• Dual-stage Flows-based Generative Modeling for Traceable Urban Planning [33.03616838528995]
  本稿では,正規化フローに基づく新しい生成フレームワーク,すなわちDual-stage Urban Flowsフレームワークを提案する。 我々は、機能ゾーン間の関係を捉え、異なる側面の情報を融合するために、情報融合モジュールを使用します。 我々の枠組みは、都市計画作業における他の生成モデルよりも優れる。
  論文  参考訳（メタデータ） (2023-10-03T21:49:49Z)
• PlanFitting: Tailoring Personalized Exercise Plans with Large Language Models [20.110633457823006]
  個人化された運動計画を支援する会話型AIであるPlanFittingを紹介する。 PlanFittingを使えば、自然言語でさまざまな制約やクエリを記述できる。 パーソナライズされ、行動可能で、エビデンスに基づくエクササイズプランを生成する上で、PlanFittingの可能性を同定する。
  論文  参考訳（メタデータ） (2023-09-22T00:55:52Z)
• Probabilistic contingent planning based on HTN for high-quality plans [8.23558342809427]
  本稿では,HTNプランナとして High-Quality Contingent Planner (HQCP) を提案する。 HQCPは、部分的に観測可能な環境で高品質な計画を生成する。 HTN計画の形式は部分的な可観測性に拡張され、コストについて評価される。
  論文  参考訳（メタデータ） (2023-08-14T03:55:14Z)
• Human-instructed Deep Hierarchical Generative Learning for Automated Urban Planning [57.91323079939641]
  我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。 最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。 第2の段階は、都市機能投影を形成するための計画要件を理解することである。 第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
  論文  参考訳（メタデータ） (2022-12-01T23:06:41Z)
• Differentiable Spatial Planning using Transformers [87.90709874369192]
  本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。 エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。 SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
  論文  参考訳（メタデータ） (2021-12-02T06:48:16Z)
• Robust Hierarchical Planning with Policy Delegation [6.1678491628787455]
  本稿では,デリゲートの原理に基づく階層計画のための新しいフレームワークとアルゴリズムを提案する。 このプランニング手法は、様々な領域における古典的なプランニングと強化学習技術に対して、実験的に非常に競争力があることを示す。
  論文  参考訳（メタデータ） (2020-10-25T04:36:20Z)

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。