論文の概要: TraveLLM: Could you plan my new public transit route in face of a network disruption?

• arxiv url: http://arxiv.org/abs/2407.14926v1
• Date: Sat, 20 Jul 2024 16:25:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-23 19:58:07.280535
• Title: TraveLLM: Could you plan my new public transit route in face of a network disruption?
• Title（参考訳）: TraveLLM: ネットワークの障害に直面して、新しい公共交通機関のルートを計画していただけますか?
• Authors: Bowen Fang, Zixiao Yang, Shukai Wang, Xuan Di,
• Abstract要約: 我々は,大規模言語モデル(LLM)に依存するディスラプションに直面して公共交通機関のルーティングを計画するプロトタイプTraveLLMを開発した。 各種のテストケースは、さまざまな気象条件、緊急イベント、新しい交通サービスの導入など、さまざまなシナリオで設計されている。 比較分析により, LLM, 特に GPT-4 がナビゲーション計画に有効であることが示された。
• 参考スコア（独自算出の注目度）: 4.58733012283457
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Imagine there is a disruption in train 1 near Times Square metro station. You try to find an alternative subway route to the JFK airport on Google Maps, but the app fails to provide a suitable recommendation that takes into account the disruption and your preferences to avoid crowded stations. We find that in many such situations, current navigation apps may fall short and fail to give a reasonable recommendation. To fill this gap, in this paper, we develop a prototype, TraveLLM, to plan routing of public transit in face of disruption that relies on Large Language Models (LLMs). LLMs have shown remarkable capabilities in reasoning and planning across various domains. Here we hope to investigate the potential of LLMs that lies in incorporating multi-modal user-specific queries and constraints into public transit route recommendations. Various test cases are designed under different scenarios, including varying weather conditions, emergency events, and the introduction of new transportation services. We then compare the performance of state-of-the-art LLMs, including GPT-4, Claude 3 and Gemini, in generating accurate routes. Our comparative analysis demonstrates the effectiveness of LLMs, particularly GPT-4 in providing navigation plans. Our findings hold the potential for LLMs to enhance existing navigation systems and provide a more flexible and intelligent method for addressing diverse user needs in face of disruptions.
• Abstract（参考訳）: タイムズスクエア駅付近で1番線が破壊されていることを想像してほしい。 Google Mapsでは、JFK空港への代替の地下鉄ルートを探そうとしているが、混み合った駅を避けるための混乱と好みを考慮して、アプリは適切な推奨を提供していない。 このような状況では、現在のナビゲーションアプリが不足していて、合理的な推奨が得られないことが分かっています。 このギャップを埋めるために,本稿では,大規模言語モデル(LLM)に依存したディスラプションに直面して公共交通機関のルーティングを計画するプロトタイプであるTraveLLMを開発する。 LLMは様々な領域における推論と計画において顕著な能力を示している。 ここでは,マルチモーダルなユーザ固有のクエリや制約を公共交通機関の勧告に組み込む上でのLCMの可能性について検討する。 各種のテストケースは、さまざまな気象条件、緊急イベント、新しい交通サービスの導入など、さまざまなシナリオで設計されている。 次に、GPT-4、Claude 3、Geminiを含む最先端のLLMの性能を比較し、正確な経路を生成する。 比較分析により, LLM, 特に GPT-4 がナビゲーション計画に有効であることが示された。 我々の研究は、LCMが既存のナビゲーションシステムを強化する可能性を秘めており、ディスラプションに直面した多様なユーザニーズに対処するための、より柔軟でインテリジェントな方法を提供している。

関連論文リスト

• Strada-LLM: Graph LLM for traffic prediction [62.2015839597764]
  交通予測における大きな課題は、非常に異なる交通条件によって引き起こされる多様なデータ分散を扱うことである。 近位交通情報を考慮した交通予測のためのグラフ対応LLMを提案する。 我々は、新しいデータ分散に直面する際に、ドメイン適応を効率的にするための軽量なアプローチを採用する。
  論文  参考訳（メタデータ） (2024-10-28T09:19:29Z)
• Can We Rely on LLM Agents to Draft Long-Horizon Plans? Let's Take TravelPlanner as an Example [3.102303947219617]
  大規模言語モデル(LLM)は、自律エージェントを人工知能(AGI)に近づけた そこで本研究では,エージェントが複数の制約を満たして正確な計画を生成する,現実的なベンチマークであるTravelPlannerを用いて検討を行った。
  論文  参考訳（メタデータ） (2024-08-12T17:39:01Z)
• Using Large Language Models in Public Transit Systems, San Antonio as a case study [1.7740414468805545]
  本研究ではサンアントニオの公共交通システムにおける大規模言語モデルの影響について検討する。 この研究は、ルート計画の強化、待ち時間削減、パーソナライズされた旅行支援の提供におけるLLMの変革の可能性を強調している。
  論文  参考訳（メタデータ） (2024-06-25T16:32:56Z)
• NavCoT: Boosting LLM-Based Vision-and-Language Navigation via Learning Disentangled Reasoning [101.56342075720588]
  Embodied AIの重要な研究課題であるVision-and-Language Navigation (VLN)は、自然言語の指示に従って複雑な3D環境をナビゲートするために、エンボディエージェントを必要とする。 近年の研究では、ナビゲーションの推論精度と解釈可能性を改善することにより、VLNにおける大きな言語モデル(LLM)の有望な能力を強調している。 本稿では,自己誘導型ナビゲーション決定を実現するために,パラメータ効率の高いドメイン内トレーニングを実現する,Navigational Chain-of-Thought (NavCoT) という新しい戦略を提案する。
  論文  参考訳（メタデータ） (2024-03-12T07:27:02Z)
• LLM-Assist: Enhancing Closed-Loop Planning with Language-Based Reasoning [65.86754998249224]
  従来のルールベースプランナとLCMベースのプランナを併用した,新しいハイブリッドプランナを開発した。 当社のアプローチでは,既存のプランナが苦労する複雑なシナリオをナビゲートし,合理的なアウトプットを生成すると同時に,ルールベースのアプローチと連携して作業する。
  論文  参考訳（メタデータ） (2023-12-30T02:53:45Z)
• Short Run Transit Route Planning Decision Support System Using a Deep Learning-Based Weighted Graph [0.0]
  本稿では,公共交通機関の計画立案者が短期間の経路改善を迅速に特定できるような,意思決定支援システムのための新しいディープラーニング手法を提案する。 本手法は,日中の2つの停留所間の経路をシームレスに調整することにより,時間を短縮し,PTサービスを増強する。 本研究では,道路セグメントの遅延値を予測するためのディープラーニングモデルを訓練し,これらの遅延値を輸送グラフのエッジ重みとして利用することにより,効率的な経路探索を実現する。
  論文  参考訳（メタデータ） (2023-08-24T14:37:55Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• BEVBert: Multimodal Map Pre-training for Language-guided Navigation [75.23388288113817]
  視覚・言語ナビゲーション(VLN)における空間認識型マップベース事前学習パラダイムを提案する。 我々は,グローバルなトポロジカルマップにおけるナビゲーション依存性をモデル化しながら,不完全な観測を明示的に集約し,重複を取り除くための局所距離マップを構築した。 ハイブリッドマップをベースとして,マルチモーダルマップ表現を学習するための事前学習フレームワークを考案し,空間認識型クロスモーダル推論を強化し,言語誘導ナビゲーションの目標を導出する。
  論文  参考訳（メタデータ） (2022-12-08T16:27:54Z)
• Meta-learning Based Short-Term Passenger Flow Prediction for Newly-Operated Urban Rail Transit Stations [3.718942345103135]
  本稿では,Meta-LSTM(Meta Long Short-Term Memory Network)というメタラーニング手法を提案する。 メタLSTM(メタLSTM)は、中国・南京、杭州、北京の地下鉄網に適用される。
  論文  参考訳（メタデータ） (2022-10-13T15:27:28Z)
• POGEMA: Partially Observable Grid Environment for Multiple Agents [64.88759709443819]
  POGEMAは、部分的に観測可能なマルチエージェントパスフィンディング(PO-MAPF)問題に挑戦するためのサンドボックスである。 様々なPO-MAPFに合わせることができ、プランニングと学習のための優れた試験場として機能する。
  論文  参考訳（メタデータ） (2022-06-22T09:39:50Z)
• Crowding Prediction of In-Situ Metro Passengers Using Smart Card Data [11.781685156308475]
  本稿では,閉鎖型地下鉄システム内の乗客密度を推定する統計モデルを提案する。 予測結果に基づいて,将来の時刻の乗客密度の正確な予測を行うことができる。
  論文  参考訳（メタデータ） (2020-09-07T04:07:37Z)

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。