Fugu-MT 論文翻訳(概要): GATSim: Urban Mobility Simulation with Generative Agents

論文の概要: GATSim: Urban Mobility Simulation with Generative Agents

arxiv url: http://arxiv.org/abs/2506.23306v1
Date: Sun, 29 Jun 2025 15:52:16 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-01 21:27:53.81993
Title: GATSim: Urban Mobility Simulation with Generative Agents
Title（参考訳）: GATSim:ジェネレーティブエージェントを用いた都市モビリティシミュレーション
Authors: Qi Liu, Can Li, Wanjing Ma,
Abstract要約: GATSimは、都市移動シミュレーションのためのリッチな行動特性を持つ生成エージェントを作成するための新しいフレームワークである。この研究における生成エージェントは、特定の旅行体験を一般化された洞察に変換することができる。実験により, 生成因子は移動シナリオにおいてヒトアノテータと競争的に作用することが示された。
参考スコア（独自算出の注目度）: 12.893057419094932
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Traditional agent-based urban mobility simulations rely on rigid rule-based systems that fail to capture the complexity, adaptability, and behavioral diversity characteristic of human travel decision-making. Recent advances in large language models and AI agent technology offer opportunities to create agents with reasoning capabilities, persistent memory, and adaptive learning mechanisms. We propose GATSim (Generative-Agent Transport Simulation), a novel framework that leverages these advances to create generative agents with rich behavioral characteristics for urban mobility simulation. Unlike conventional approaches, GATSim agents possess diverse socioeconomic attributes, individual lifestyles, and evolving preferences that shape their mobility decisions through psychologically-informed memory systems, tool usage capabilities, and lifelong learning mechanisms. The main contributions of this study include: (1) a comprehensive architecture combining an urban mobility foundation model with agent cognitive systems and transport simulation environment, (2) a fully functional prototype implementation, and (3) systematic validation demonstrating that generative agents produce believable travel behaviors. Through designed reflection processes, generative agents in this study can transform specific travel experiences into generalized insights, enabling realistic behavioral adaptation over time with specialized mechanisms for activity planning and real-time reactive behaviors tailored to urban mobility contexts. Experiments show that generative agents perform competitively with human annotators in mobility scenarios while naturally producing macroscopic traffic evolution patterns. The code for the prototype system is shared at https://github.com/qiliuchn/gatsim.
Abstract（参考訳）: 従来のエージェントベースの都市移動シミュレーションは、人間の旅行決定の複雑さ、適応性、行動の多様性を捉えるのに失敗した厳格な規則に基づくシステムに依存している。大規模言語モデルとAIエージェント技術の最近の進歩は、推論能力、永続記憶、適応学習機構を備えたエージェントを作成する機会を提供する。都市移動シミュレーションにおける行動特性の豊かな生成エージェントの作成にこれらの進歩を活用する新しいフレームワークであるGATSim(Generative-Agent Transport Simulation)を提案する。従来のアプローチとは異なり、GATSimエージェントは多様な社会経済的特性、個々のライフスタイル、そして心理的にインフォームドされた記憶システム、ツールの使用能力、生涯学習メカニズムを通じて、彼らのモビリティ決定を形作る進化した嗜好を持っている。本研究の主な貢献は,(1)都市移動基盤モデルとエージェント認知システムと輸送シミュレーション環境を組み合わせた包括的アーキテクチャ,(2)完全に機能的なプロトタイプ実装,(3)生成エージェントが実行可能な旅行行動を生成することを示す体系的検証である。本研究における生成エージェントは、設計されたリフレクションプロセスを通じて、特定の旅行体験を一般化された洞察に変換し、活動計画や都市移動環境に合わせたリアルタイムな反応行動の特殊なメカニズムを用いて、時間とともに現実的な行動適応を可能にする。実験の結果, 生成剤は移動シナリオにおいてヒトのアノテータと競合し, マクロな交通進化パターンを自然に生成することがわかった。プロトタイプシステムのコードはhttps://github.com/qiliuchn/gatsim.comで共有されている。

関連論文リスト

CitySim: Modeling Urban Behaviors and City Dynamics with Large-Scale LLM-Driven Agent Simulation [1.2430809884830318]
我々は都市シミュレーター(CitySim)を構想し、大規模言語モデルで示す人間レベルのインテリジェンスにおけるブレークスルーを生かした。 CitySimでは、必須活動、個人の習慣、状況要因のバランスをとる価値駆動アプローチを使用して、エージェントが現実的な日々のスケジュールを生成する。 CitySimは、マイクロレベルとマクロレベルの両方において、以前の作業よりも実際の人間と密接な関係を示す。
論文参考訳（メタデータ） (2025-06-26T23:11:42Z)
Modeling Earth-Scale Human-Like Societies with One Billion Agents [54.465233996410156]
Light Societyはエージェントベースのシミュレーションフレームワークである。社会的プロセスはエージェントと環境状態の構造的遷移として形式化される。 10億以上のエージェントによる社会の効率的なシミュレーションを支援する。
論文参考訳（メタデータ） (2025-06-07T09:14:12Z)
MobileCity: An Efficient Framework for Large-Scale Urban Behavior Simulation [22.340422693575547]
複数の機能的な建物と交通手段を備えた仮想都市を提示する。次に、集団間の行動選択と移動選好をモデル化するための広範な調査を行う。拡張性を維持しながら都市移動の複雑さを捉えるシミュレーションフレームワークを導入し,4,000以上のエージェントのシミュレーションを可能にする。
論文参考訳（メタデータ） (2025-04-18T07:01:05Z)
CHARMS: A Cognitive Hierarchical Agent for Reasoning and Motion Stylization in Autonomous Driving [7.672737334176452]
本稿では,共振・運動スティリゼーションのための認知階層的エージェントを提案する。 CHARMSは、強化学習事前訓練と教師付き微調整を含む2段階のトレーニングパイプラインを通じて、人間に似た推論パターンをキャプチャする。インテリジェントな運転決定をエゴ車として行い、環境車両として多様な現実的な運転シナリオを生成することができる。
論文参考訳（メタデータ） (2025-04-03T10:15:19Z)
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)
LMAgent: A Large-scale Multimodal Agents Society for Multi-user Simulation [66.52371505566815]
大規模言語モデル(LLM)ベースのAIエージェントは、人間のような知性を達成するために、大きな進歩を遂げた。 LMAgentは,マルチモーダル LLM に基づく大規模かつマルチモーダルなエージェント社会である。 LMAgentでは、友人とチャットする以外に、エージェントは自動で商品を閲覧、購入、レビューしたり、ライブストリーミングのeコマースを行うこともできる。
論文参考訳（メタデータ） (2024-12-12T12:47:09Z)
User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文参考訳（メタデータ） (2023-06-05T02:58:35Z)
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)
How Do We Move: Modeling Human Movement with System Dynamics [34.13127840909941]
我々は,ジェネレーティブ・アドバイサル・イミテーション・ラーニングで人間の動きを学習する。私たちは、移動エージェントの状態遷移をシステムダイナミクスでモデル化することを学びました。
論文参考訳（メタデータ） (2020-03-01T23:43:22Z)

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。