論文の概要: TravelAgent: Generative Agents in the Built Environment
- arxiv url: http://arxiv.org/abs/2412.18985v1
- Date: Wed, 25 Dec 2024 21:27:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-30 17:25:19.937336
- Title: TravelAgent: Generative Agents in the Built Environment
- Title（参考訳）: TravelAgent: 構築された環境における生成エージェント
- Authors: Ariel Noyman, Kai Hu, Kent Larson,
- Abstract要約: TravelAgentは、さまざまな屋内および屋外環境における歩行者ナビゲーションと活動パターンをモデル化する、新しいシミュレーションプラットフォームである。
1898年のエージェント・ステップを多種多様な空間配置とエージェント・アーチタイプからなる100個のシミュレーションから分析し,全体のタスク完了率を76%とした。
本研究では,都市デザイン,空間認知研究,エージェントベースモデリングのツールとしてのTravelAgentの可能性を明らかにする。
- 参考スコア（独自算出の注目度）: 5.27010745275885
- License:
- Abstract: Understanding human behavior in built environments is critical for designing functional, user centered urban spaces. Traditional approaches, such as manual observations, surveys, and simplified simulations, often fail to capture the complexity and dynamics of real world behavior. To address these limitations, we introduce TravelAgent, a novel simulation platform that models pedestrian navigation and activity patterns across diverse indoor and outdoor environments under varying contextual and environmental conditions. TravelAgent leverages generative agents integrated into 3D virtual environments, enabling agents to process multimodal sensory inputs and exhibit human-like decision-making, behavior, and adaptation. Through experiments, including navigation, wayfinding, and free exploration, we analyze data from 100 simulations comprising 1898 agent steps across diverse spatial layouts and agent archetypes, achieving an overall task completion rate of 76%. Using spatial, linguistic, and sentiment analyses, we show how agents perceive, adapt to, or struggle with their surroundings and assigned tasks. Our findings highlight the potential of TravelAgent as a tool for urban design, spatial cognition research, and agent-based modeling. We discuss key challenges and opportunities in deploying generative agents for the evaluation and refinement of spatial designs, proposing TravelAgent as a new paradigm for simulating and understanding human experiences in built environments.
- Abstract（参考訳）: 建築環境における人間の行動を理解することは、機能的でユーザ中心の都市空間を設計するのに重要である。
手動の観察、調査、単純化されたシミュレーションのような伝統的なアプローチは、しばしば現実世界の振る舞いの複雑さやダイナミクスを捉えない。
これらの制約に対処するため,様々な環境・環境条件下で歩行者のナビゲーションと活動パターンをモデル化する新しいシミュレーションプラットフォームであるTravelAgentを紹介した。
TravelAgentは3D仮想環境に統合された生成エージェントを活用し、エージェントはマルチモーダルな感覚入力を処理し、人間のような意思決定、行動、適応を示すことができる。
ナビゲーション,ウェイフィンディング,自由探索などの実験を通じて,1898年のエージェントステップを多種多様な空間配置とエージェントアーチタイプからなる100個のシミュレーションから分析し,全体のタスク完了率を76%とした。
空間的・言語的・感情的な分析を用いて、エージェントがどのように周囲に適応し、適応し、あるいは苦労しているかを示し、タスクを割り当てる。
本研究では,都市デザイン,空間認知研究,エージェントベースモデリングのツールとしてのTravelAgentの可能性を明らかにする。
本研究では,建築環境における人間体験をシミュレートし理解するための新しいパラダイムとして,TravelAgentを提案する。
関連論文リスト
- OpenWebVoyager: Building Multimodal Web Agents via Iterative Real-World Exploration, Feedback and Optimization [66.22117723598872]
マルチモーダルWebエージェントの開発を容易にするために設計されたオープンソースフレームワークを紹介する。
まず、基本モデルを模倣学習で訓練し、基礎能力を得る。
次に、エージェントにオープンウェブを探索させ、その軌道に関するフィードバックを収集する。
論文 参考訳（メタデータ） (2024-10-25T15:01:27Z) - EmbodiedCity: A Benchmark Platform for Embodied Agent in Real-world City Environment [38.14321677323052]
身体的人工知能は、エージェントの身体が人間のような行動を引き起こす役割を強調している。
本稿では,実環境におけるインテリジェンス評価のためのベンチマークプラットフォームを構築する。
論文 参考訳（メタデータ） (2024-10-12T17:49:26Z) - AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。
我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。
我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
論文 参考訳（メタデータ） (2024-06-06T15:15:41Z) - HAZARD Challenge: Embodied Decision Making in Dynamically Changing
Environments [93.94020724735199]
HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。
このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
論文 参考訳（メタデータ） (2024-01-23T18:59:43Z) - Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。
我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文 参考訳（メタデータ） (2024-01-07T19:11:18Z) - A Domain-Independent Agent Architecture for Adaptive Operation in Evolving Open Worlds [11.954324860014758]
HYDRAは、混合した離散連続世界で動作するモデルベースのエージェントを設計するためのフレームワークである。
これは、エージェントが様々な側面から自身の振る舞いを監視できるようにする、新しいメタ推論プロセスを実装している。
このフレームワークは、3つの異なるドメインに対して新規に認識されたエージェントを実装するために使われてきた。
論文 参考訳（メタデータ） (2023-06-09T21:54:13Z) - OPEn: An Open-ended Physics Environment for Learning Without a Task [132.6062618135179]
オープンエンドな物理環境で学んだ世界のモデルが、特定のタスクを伴わずに、下流の物理推論タスクに再利用できるかどうかについて検討する。
我々は,OPEn(Open-ended Physics ENvironment)のベンチマークを構築し,この環境における学習表現をテストするためのいくつかのタスクを明示的に設計する。
その結果、教師なしのコントラスト学習を表現学習に用いたエージェントと、探索のためのインパクト駆動学習が最良の結果となった。
論文 参考訳（メタデータ） (2021-10-13T17:48:23Z) - Learning to Move with Affordance Maps [57.198806691838364]
物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。
従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。
学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
論文 参考訳（メタデータ） (2020-01-08T04:05:11Z)
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。