論文の概要: MobiVerse: Scaling Urban Mobility Simulation with Hybrid Lightweight Domain-Specific Generator and Large Language Models

• arxiv url: http://arxiv.org/abs/2506.21784v1
• Date: Thu, 26 Jun 2025 21:46:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.018296
• Title: MobiVerse: Scaling Urban Mobility Simulation with Hybrid Lightweight Domain-Specific Generator and Large Language Models
• Title（参考訳）: MobiVerse: ハイブリッド軽量ドメイン特化発電機と大規模言語モデルによる都市移動シミュレーション
• Authors: Yifan Liu, Xishun Liao, Haoxuan Ma, Jonathan Liu, Rohan Jadhav, Jiaqi Ma,
• Abstract要約: モビリティシミュレーションのギャップを埋めるハイブリッドフレームワークMobiVerseを提案する。 ロサンゼルスのウェストウッドでケーススタディを行い、効率よくスケジュールを動的に生成した。 その結果,本手法は行動リアリズムを高めつつ,計算効率を向上することを示す。
• 参考スコア（独自算出の注目度）: 11.90100976089832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding and modeling human mobility patterns is crucial for effective transportation planning and urban development. Despite significant advances in mobility research, there remains a critical gap in simulation platforms that allow for algorithm development, policy implementation, and comprehensive evaluation at scale. Traditional activity-based models require extensive data collection and manual calibration, machine learning approaches struggle with adaptation to dynamic conditions, and treding agent-based Large Language Models (LLMs) implementations face computational constraints with large-scale simulations. To address these challenges, we propose MobiVerse, a hybrid framework leverages the efficiency of lightweight domain-specific generator for generating base activity chains with the adaptability of LLMs for context-aware modifications. A case study was conducted in Westwood, Los Angeles, where we efficiently generated and dynamically adjusted schedules for the whole population of approximately 53,000 agents on a standard PC. Our experiments demonstrate that MobiVerse successfully enables agents to respond to environmental feedback, including road closures, large gathering events like football games, and congestion, through our hybrid framework. Its modular design facilitates testing various mobility algorithms at both transportation system and agent levels. Results show our approach maintains computational efficiency while enhancing behavioral realism. MobiVerse bridges the gap in mobility simulation by providing a customizable platform for mobility systems planning and operations with benchmark algorithms. Code and videos are available at https://github.com/ucla-mobility/MobiVerse.
• Abstract（参考訳）: ヒトの移動パターンの理解とモデル化は、効率的な交通計画と都市開発に不可欠である。 モビリティ研究の大幅な進歩にもかかわらず、アルゴリズムの開発、ポリシーの実装、大規模での包括的な評価を可能にするシミュレーションプラットフォームには、依然として重大なギャップが残っている。 従来のアクティビティベースのモデルは、広範なデータ収集と手動のキャリブレーションを必要とし、機械学習アプローチは動的条件への適応に苦慮し、トレディングエージェントベースの大規模言語モデル(LLM)の実装は、大規模シミュレーションによる計算上の制約に直面している。 これらの課題に対処するために,LLMの適応性に配慮した,軽量なドメイン固有生成器の効率性を活用するハイブリッドフレームワークであるMobiVerseを提案する。 ロサンゼルスのウェストウッドでケーススタディを行い、標準のPC上で約53,000人のエージェントの全体のスケジュールを効率よく生成し、動的に調整した。 実験の結果,MobiVerseは,道路閉鎖,フットボールゲームなどの大規模な集まり,混雑などの環境フィードバックに,我々のハイブリッドフレームワークを通じて対応できることが実証された。 モジュラー設計は、輸送システムとエージェントレベルで様々なモビリティアルゴリズムのテストを容易にする。 その結果,本手法は行動リアリズムを高めつつ,計算効率を向上することを示す。 MobiVerseは、ベンチマークアルゴリズムによるモビリティシステムの計画と運用のためのカスタマイズ可能なプラットフォームを提供することで、モビリティシミュレーションのギャップを埋める。 コードとビデオはhttps://github.com/ucla-mobility/MobiVerse.comで入手できる。

関連論文リスト

• CAMS: A CityGPT-Powered Agentic Framework for Urban Human Mobility Simulation [9.907406552578607]
  textbfCAMSは、言語に基づく都市基盤モデルを利用して都市空間における人間の移動をシミュレートするエージェントフレームワークである。 textbfCAMSは、外部に提供された地理空間情報に頼ることなく、優れた性能を達成する。
  論文  参考訳（メタデータ） (2025-06-16T15:24:07Z)
• Incorporating LLMs for Large-Scale Urban Complex Mobility Simulation [0.04517077427559345]
  本研究では,大規模言語モデル(LLM)とエージェントベースモデリング(ABM)を統合した都市モビリティシミュレーションの革新的アプローチを提案する。 従来のルールベースのABMとは異なり、提案フレームワークはLSMを利用してエージェントの多様性とリアリズムを高める。 実世界のデータを用いて,台北市の個人行動と大規模移動パターンをモデル化した。
  論文  参考訳（メタデータ） (2025-05-28T01:54:28Z)
• TrajLLM: A Modular LLM-Enhanced Agent-Based Framework for Realistic Human Trajectory Simulation [3.8106509573548286]
  この作業は、Large Language Models(LLM)を活用して人間のモビリティをシミュレートし、従来のモデルにおける高コストやプライバシの問題に対処する。 我々の階層的枠組みは、実世界の人口統計と心理データを用いて、ペルソナ生成、活動選択、目的地予測を統合している。
  論文  参考訳（メタデータ） (2025-02-26T00:13:26Z)
• Pre-Trained Video Generative Models as World Simulators [59.546627730477454]
  本研究では,事前学習した映像生成モデルを制御可能な世界シミュレータに変換するための動的世界シミュレーション(DWS)を提案する。 条件付き動作と生成した視覚的変化の正確なアライメントを実現するために,軽量で普遍的な動作条件付きモジュールを導入する。 実験により、DWSは拡散モデルと自己回帰変換モデルの両方に汎用的に適用可能であることが示された。
  論文  参考訳（メタデータ） (2025-02-10T14:49:09Z)
• FoMo: A Foundation Model for Mobile Traffic Forecasting with Diffusion Model [5.96737388771505]
  モバイルトラフィック予測のための革新的なファンデーションモデル(FoMo)を提案する。 FoMoは、ネットワーク計画と最適化をサポートするために、複数の都市にまたがる短期・長期予測と分布生成の多様な予測タスクを処理することを目的としている。 FoMoは拡散モデルと変換器を組み合わせており、FoMoが様々なタスクの固有の特徴を学習できるようにするために様々な普遍性マスクが提案されている。
  論文  参考訳（メタデータ） (2024-10-20T07:32:16Z)
• DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
  シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。 本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。 本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
  論文  参考訳（メタデータ） (2024-06-04T04:53:05Z)
• Chain-of-Planned-Behaviour Workflow Elicits Few-Shot Mobility Generation in LLMs [20.70758465552438]
  チェーン・オブ・プランテッド・ビヘイビアは、移動意図発生の誤り率を57.8%から19.4%に大幅に下げる。 重力モデルのようなメカニスティックモビリティモデルは、移動意図を物理的モビリティに効果的にマッピングできる。 提案した CoPB ワークフローは GPT-4-turbo を容易にして,移動行動推論のための高品質なラベルを自動生成する。
  論文  参考訳（メタデータ） (2024-02-15T09:58:23Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)

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。