論文の概要: 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

• arxiv url: http://arxiv.org/abs/2409.00494v2
• Date: Wed, 4 Sep 2024 18:00:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 14:18:10.845084
• Title: 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
• Title（参考訳）: GenAIを利用したスマートシティモビリティのためのマルチエージェントパラダイム:大規模言語モデル(LLM)と検索拡張生成(RAG)をインテリジェントトランスポーテーションシステムと統合するための機会と課題
• Authors: Haowen Xu, Jinghui Yuan, Anye Zhou, Guanhao Xu, Wan Li, Xuegang Ban, Xinyue Ye,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.310791311301962
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Leveraging recent advances in generative AI, multi-agent systems are increasingly being developed to enhance the functionality and efficiency of smart city applications. This paper explores the transformative potential of large language models (LLMs) and emerging Retrieval-Augmented Generation (RAG) technologies in Intelligent Transportation Systems (ITS), paving the way for innovative solutions to address critical challenges in urban mobility. We begin by providing a comprehensive overview of the current state-of-the-art in mobility data, ITS, and Connected Vehicles (CV) applications. Building on this review, we discuss the rationale behind RAG and examine the opportunities for integrating these Generative AI (GenAI) technologies into the smart mobility sector. We propose a conceptual framework aimed at developing multi-agent systems capable of intelligently and conversationally delivering smart mobility services to urban commuters, transportation operators, and decision-makers. Our approach seeks to foster an autonomous and intelligent approach that (a) promotes science-based advisory to reduce traffic congestion, accidents, and carbon emissions at multiple scales, (b) facilitates public education and engagement in participatory mobility management, and (c) automates specialized transportation management tasks and the development of critical ITS platforms, such as data analytics and interpretation, knowledge representation, and traffic simulations. By integrating LLM and RAG, our approach seeks to overcome the limitations of traditional rule-based multi-agent systems, which rely on fixed knowledge bases and limited reasoning capabilities. This integration paves the way for a more scalable, intuitive, and automated multi-agent paradigm, driving advancements in ITS and urban mobility.
• Abstract（参考訳）: ジェネレーティブAIの最近の進歩を活用して、スマートシティアプリケーションの機能と効率を高めるために、マルチエージェントシステムの開発が進んでいる。 本稿では,大規模言語モデル (LLM) と知的交通システム (ITS) におけるRAG(Retrieval-Augmented Generation) 技術の革新的可能性について考察し,都市移動における重要な課題に対処するための革新的な解決法を提案する。 まず、モビリティデータ、ITS、コネクテッド・ビークルズ(CV)アプリケーションにおける現在の最先端技術の概要を概観することから始める。 このレビューに基づいて、RAGの背景にある理論的根拠を考察し、これらのジェネレーティブAI(GenAI)技術をスマートモビリティ分野に統合する機会について検討する。 本稿では,都市通勤者,交通事業者,意思決定者に対して,知的かつ対話的にスマートモビリティサービスを提供する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枠組みを提案する。 私たちのアプローチは、自律的でインテリジェントなアプローチを育むためのものです。 (a)交通渋滞、事故、二酸化炭素排出量を複数スケールで削減するための科学ベースの助言を促進する。 (b)参加型モビリティマネジメントにおける公共教育とエンゲージメントの促進、及び (c)データ分析や解釈,知識表現,交通シミュレーションなど,特別な交通管理タスクや重要なITSプラットフォームの開発を自動化する。 LLMとRAGを統合することで、固定知識ベースと限定推論能力に依存する従来のルールベースのマルチエージェントシステムの限界を克服する。 この統合により、よりスケーラブルで直感的で自動化されたマルチエージェントパラダイムが実現され、ITSと都市モビリティの進歩が促進される。

関連論文リスト

• Urban Mobility: AI, ODE-Based Modeling, and Scenario Planning [0.0]
  我々は、自動運転車やインテリジェントな交通管理といったAIイノベーションが、異なる規制条件下での交通渋滞軽減に与える影響を定量化する。 我々のODEモデルは、AI導入率と交通渋滞のダイナミックな関係を捉え、将来のシナリオをどのように展開するかについての定量的な洞察を提供する。 この研究は、予測、シナリオ計画、ODEモデリングが、AIの採用を通じてより効率的で持続可能で、生き生きとした都市を作るための戦略にどのように役立つかを理解するのに寄与する。
  論文  参考訳（メタデータ） (2024-10-25T18:09:02Z)
• Integration of Mixture of Experts and Multimodal Generative AI in Internet of Vehicles: A Survey [82.84057882105931]
  ジェネレーティブAI(GAI)は、IoT(Internet of Vehicles)におけるインテリジェントモジュールの認知、推論、計画能力を高めることができる。 IoVにおけるGAI, MoE, およびそれらの相互作用応用の基礎を提示する。 我々はIoVにおけるMoEとGAIの統合の可能性について論じ、分散認識とモニタリング、協調的な意思決定と計画、生成モデリングとシミュレーションを含む。
  論文  参考訳（メタデータ） (2024-04-25T06:22:21Z)
• Evacuation Management Framework towards Smart City-wide Intelligent Emergency Interactive Response System [6.318200538258479]
  本稿では,既存の緊急対応システムをインテリジェントな対話型システムに変換するための,一連の協調技術ソリューションを提案する。 このスマートな対話型応答システムは、リアルタイムのダイナミックモデルを定式化することによって、高度なセンサー融合とAIの恩恵を受ける。
  論文  参考訳（メタデータ） (2024-03-07T12:10:19Z)
• A Survey on the Applications of Frontier AI, Foundation Models, and Large Language Models to Intelligent Transportation Systems [8.017557640367938]
  本稿では,知的交通システム(ITS)の領域におけるフロンティアAI,基礎モデル,大規模言語モデル(LLM)の変容的影響について検討する。 交通インテリジェンスを推進し、交通管理を最適化し、スマートシティの実現に寄与する重要な役割を強調している。
  論文  参考訳（メタデータ） (2024-01-12T10:29:48Z)
• A Survey of Generative AI for Intelligent Transportation Systems: Road Transportation Perspective [7.770651543578893]
  我々は、異なる生成AI技術の原則を紹介する。 我々は,ITSにおけるタスクを,交通認識,交通予測,交通シミュレーション,交通意思決定の4つのタイプに分類する。 これらの4種類のタスクにおいて、生成的AI技術が重要な問題にどのように対処するかを説明する。
  論文  参考訳（メタデータ） (2023-12-13T16:13:23Z)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• 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)
• Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
  インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。 ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。 このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
  論文  参考訳（メタデータ） (2022-10-18T17:28:58Z)
• Intelligent Traffic Monitoring with Hybrid AI [78.65479854534858]
  マルチモーダルコンテキスト理解のためのニューロシンボリックアーキテクチャであるHANSを紹介する。 HANSが交通監視に関わる課題にどのように対処するかを示すとともに,幅広い推論手法と統合可能であることを示す。
  論文  参考訳（メタデータ） (2022-08-31T17:47:22Z)
• 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)

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。