論文の概要: Planning, Living and Judging: A Multi-agent LLM-based Framework for Cyclical Urban Planning

• arxiv url: http://arxiv.org/abs/2412.20505v1
• Date: Sun, 29 Dec 2024 15:43:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:06:56.947408
• Title: Planning, Living and Judging: A Multi-agent LLM-based Framework for Cyclical Urban Planning
• Title（参考訳）: 計画・生活・判断:循環型都市計画のための多エージェントLCMフレームワーク
• Authors: Hang Ni, Yuzhi Wang, Hao Liu,
• Abstract要約: 都市再生は、都市化の文脈において重要な課題である。 本稿では,循環型都市計画(CUP)を提案する。これは,閉ループ内の都市計画を連続的に生成し,評価し,洗練する新しいパラダイムである。 実世界のデータセットの実験は、継続的かつ適応的な計画プロセスとして、我々のフレームワークの有効性を実証している。
• 参考スコア（独自算出の注目度）: 5.9423583597394325
• License:
• Abstract: Urban regeneration presents significant challenges within the context of urbanization, requiring adaptive approaches to tackle evolving needs. Leveraging advancements in large language models (LLMs), we propose Cyclical Urban Planning (CUP), a new paradigm that continuously generates, evaluates, and refines urban plans in a closed-loop. Specifically, our multi-agent LLM-based framework consists of three key components: (1) Planning, where LLM agents generate and refine urban plans based on contextual data; (2) Living, where agents simulate the behaviors and interactions of residents, modeling life in the urban environment; and (3) Judging, which involves evaluating plan effectiveness and providing iterative feedback for improvement. The cyclical process enables a dynamic and responsive planning approach. Experiments on the real-world dataset demonstrate the effectiveness of our framework as a continuous and adaptive planning process.
• Abstract（参考訳）: 都市再生は、都市化の文脈において重要な課題を示し、進化するニーズに対処するために適応的なアプローチを必要とする。 大規模言語モデル(LLM)の進歩を生かして,循環型都市計画(CUP)を提案する。 具体的には,1) LLM エージェントが文脈データに基づいて都市計画を作成し,洗練する計画,(2) エージェントが住民の行動と相互作用をシミュレートする生活,(3) 都市環境における生活のモデル化,(3) 計画の有効性を評価し,改善のための反復的なフィードバックを提供する判断の3つの重要な要素から構成される。 循環的プロセスは動的で応答性の高い計画手法を可能にする。 実世界のデータセットの実験は、継続的かつ適応的な計画プロセスとして、我々のフレームワークの有効性を実証している。

関連論文リスト

• Adaptive Urban Planning: A Hybrid Framework for Balanced City Development [1.8921784053120494]
  都市計画は、都市全体のインフラ需要と地域住民の嗜好のバランスをとる上で重要な課題に直面している。 都市部における基本的なインフラ要件を最適化する決定論的解決器を用いた2層アプローチを提案する。 4つの特別計画エージェントは、それぞれ異なるサブリージョンを代表し、マスタープランナーに人口動態固有の修正を提案する。 マスタープランナーはこれらの提案を評価し、統合し、結束的な都市開発を保証する。
  論文  参考訳（メタデータ） (2024-12-19T19:30:42Z)
• AgentGen: Enhancing Planning Abilities for Large Language Model based Agent via Environment and Task Generation [81.32722475387364]
  大規模言語モデルに基づくエージェントが注目され、ますます人気が高まっている。 計画能力は LLM ベースのエージェントの重要な構成要素であり、通常は初期状態から望ましい目標を達成する必要がある。 近年の研究では、専門家レベルの軌跡を指導訓練用LLMに活用することで、効果的に計画能力を向上させることが示されている。
  論文  参考訳（メタデータ） (2024-08-01T17:59:46Z)
• 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)
• PDDLEGO: Iterative Planning in Textual Environments [56.12148805913657]
  テキスト環境における計画は、現在のモデルにおいても長年にわたる課題であることが示されている。 我々は,あるサブゴールの部分的な計画に導く計画表現を反復的に構築するPDDLEGOを提案する。 数ショットのPDDLEGOで作成するプランは,Coin Collectorシミュレーションでエンドツーエンドのプランを生成するよりも43%効率がよいことを示す。
  論文  参考訳（メタデータ） (2024-05-30T08:01:20Z)
• What's the Plan? Evaluating and Developing Planning-Aware Techniques for Language Models [7.216683826556268]
  大きな言語モデル(LLM)は、計画機能を必要とするアプリケーションにますます使われています。 我々は,新しいハイブリッド・メソドであるSimPlanを紹介し,その性能を新たな挑戦的な設定で評価する。
  論文  参考訳（メタデータ） (2024-02-18T07:42:49Z)
• Large language model empowered participatory urban planning [5.402147437950729]
  本研究では,大規模言語モデル(LLM)を参加型プロセスに統合した革新的な都市計画手法を提案する。 このフレームワークは、LLMエージェントをベースとして、役割プレイ、共同生成、フィードバックで構成され、コミュニティレベルの土地利用タスクを1000の異なる関心事に対応させて解決する。
  論文  参考訳（メタデータ） (2024-01-24T10:50:01Z)
• 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)
• AI Agent as Urban Planner: Steering Stakeholder Dynamics in Urban Planning via Consensus-based Multi-Agent Reinforcement Learning [8.363841553742912]
  本稿では,コンセンサスを基盤としたマルチエージェント強化学習フレームワークについて紹介する。 この枠組みは参加型都市計画に役立ち、多様な知的エージェントを利害関係者の代表として好まれる土地利用形態に投票することができる。 マルチエージェント強化学習を統合することで、参加型都市計画決定がよりダイナミックで、コミュニティのニーズに適応することを保証する。
  論文  参考訳（メタデータ） (2023-10-25T17:04:11Z)
• 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)
• AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
  大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。 本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。 幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
  論文  参考訳（メタデータ） (2023-05-26T05:52:27Z)
• 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)

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。