論文の概要: Integrating LLMs with ITS: Recent Advances, Potentials, Challenges, and Future Directions

• arxiv url: http://arxiv.org/abs/2501.04437v1
• Date: Wed, 08 Jan 2025 11:37:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:54:57.001170
• Title: Integrating LLMs with ITS: Recent Advances, Potentials, Challenges, and Future Directions
• Title（参考訳）: LLMとITの統合:最近の進歩, 可能性, 課題, 今後の方向性
• Authors: Doaa Mahmud, Hadeel Hajmohamed, Shamma Almentheri, Shamma Alqaydi, Lameya Aldhaheri, Ruhul Amin Khalil, Nasir Saeed,
• Abstract要約: 本稿では,Large Language Models (LLMs) のITS最適化における変換可能性について概説する。 我々の分析は、これらの高度なモデルが交通管理と安全性を大幅に向上させる方法を明らかにしている。 本稿は,PLMをITSに統合する複雑性と機会を通じて,研究者や実践者を支援することを目的とする。
• 参考スコア（独自算出の注目度）: 1.6121249557846946
• License:
• Abstract: Intelligent Transportation Systems (ITS) are crucial for the development and operation of smart cities, addressing key challenges in efficiency, productivity, and environmental sustainability. This paper comprehensively reviews the transformative potential of Large Language Models (LLMs) in optimizing ITS. Initially, we provide an extensive overview of ITS, highlighting its components, operational principles, and overall effectiveness. We then delve into the theoretical background of various LLM techniques, such as GPT, T5, CTRL, and BERT, elucidating their relevance to ITS applications. Following this, we examine the wide-ranging applications of LLMs within ITS, including traffic flow prediction, vehicle detection and classification, autonomous driving, traffic sign recognition, and pedestrian detection. Our analysis reveals how these advanced models can significantly enhance traffic management and safety. Finally, we explore the challenges and limitations LLMs face in ITS, such as data availability, computational constraints, and ethical considerations. We also present several future research directions and potential innovations to address these challenges. This paper aims to guide researchers and practitioners through the complexities and opportunities of integrating LLMs in ITS, offering a roadmap to create more efficient, sustainable, and responsive next-generation transportation systems.
• Abstract（参考訳）: インテリジェントトランスポーテーションシステム(ITS)は、スマートシティの開発と運用に不可欠であり、効率性、生産性、環境サステナビリティにおける重要な課題に対処する。 本稿では,Large Language Models (LLMs) のITS最適化における変換可能性について概説する。 最初はITSの概要を概観し、そのコンポーネント、運用原則、全体的な有効性を強調します。 次に, GPT, T5, CTRL, BERTなどの様々なLCM技術の理論的背景を掘り下げ, それらのITS応用との関係を解明する。 次に、交通流予測、車両検出・分類、自律運転、交通標識認識、歩行者検出など、ITS内におけるLLMの幅広い応用について検討する。 我々の分析は、これらの高度なモデルが交通管理と安全性を大幅に向上させる方法を明らかにしている。 最後に、データの可用性、計算の制約、倫理的考慮など、LLMがITSで直面する課題と制限について検討する。 また、これらの課題に対処するために、今後の研究の方向性と潜在的なイノベーションも提示する。 本稿では,より効率的で,持続可能な,応答性の高い次世代輸送システムを構築するためのロードマップを提供するとともに,LLMをITSに統合する複雑性と機会を通じて研究者や実践者を指導することを目的とする。

関連論文リスト

• Scaling Autonomous Agents via Automatic Reward Modeling And Planning [52.39395405893965]
  大規模言語モデル(LLM)は、様々なタスクにまたがる顕著な機能を示している。 しかし、彼らは多段階の意思決定と環境フィードバックを必要とする問題に苦戦している。 人間のアノテーションを使わずに環境から報酬モデルを自動的に学習できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:49:25Z)
• A Survey of Reinforcement Learning for Optimization in Automation [0.0]
  この記事では、自動化におけるRLの現在の状況について考察し、製造業、エネルギーシステム、ロボット工学におけるその役割に注目します。 最先端の手法、主要な課題、そして各セクターにおける今後の研究の道程について論じ、複雑な最適化課題を解決するためのRLの能力を強調している。
  論文  参考訳（メタデータ） (2025-02-13T15:40:39Z)
• Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
  大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。 提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
  論文  参考訳（メタデータ） (2024-08-07T08:43:32Z)
• Leveraging Large Language Models for Integrated Satellite-Aerial-Terrestrial Networks: Recent Advances and Future Directions [47.791246017237]
  統合衛星、航空、地上ネットワーク(ISATN)は多様な通信技術の洗練された収束を表現している。 本稿では,Large Language Models (LLM) を ISATN に統合するトランスフォーメーションの可能性について検討する。
  論文  参考訳（メタデータ） (2024-07-05T15:23:43Z)
• New Solutions on LLM Acceleration, Optimization, and Application [14.995654657013741]
  大規模言語モデル (LLM) は、様々な応用において人間のような文章を解釈・生成する能力を持つ非常に強力な機器となっている。 しかし、LLMのサイズと複雑さの増大は、トレーニングとデプロイメントの両方において大きな課題をもたらしている。 これらの課題に対処するための最近の進歩と研究の方向性について概観する。
  論文  参考訳（メタデータ） (2024-06-16T11:56:50Z)
• Large Language Models for Mobility in Transportation Systems: A Survey on Forecasting Tasks [8.548422411704218]
  機械学習とディープラーニングの方法は、その柔軟性と正確性に好まれる。 大規模言語モデル (LLMs) の出現に伴い、多くの研究者がこれらのモデルと過去の手法を組み合わせ、将来の交通情報や人間の旅行行動を直接予測するためにLLMを適用した。
  論文  参考訳（メタデータ） (2024-05-03T02:54:43Z)
• A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
  大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。 我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。 これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
  論文  参考訳（メタデータ） (2024-05-02T22:43:02Z)
• 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)
• Empowering Autonomous Driving with Large Language Models: A Safety Perspective [82.90376711290808]
  本稿では,Large Language Models (LLM) の自律運転システムへの統合について検討する。 LLMは行動計画におけるインテリジェントな意思決定者であり、文脈的安全学習のための安全検証シールドを備えている。 適応型LLM条件モデル予測制御(MPC)と状態機械を用いたLLM対応対話型行動計画スキームという,シミュレーション環境における2つの重要な研究について述べる。
  論文  参考訳（メタデータ） (2023-11-28T03:13:09Z)
• How Can Recommender Systems Benefit from Large Language Models: A Survey [82.06729592294322]
  大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。 我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
  論文  参考訳（メタデータ） (2023-06-09T11:31:50Z)

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。