論文の概要: Large Language Model Powered Intelligent Urban Agents: Concepts, Capabilities, and Applications

• arxiv url: http://arxiv.org/abs/2507.00914v1
• Date: Tue, 01 Jul 2025 16:18:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.728224
• Title: Large Language Model Powered Intelligent Urban Agents: Concepts, Capabilities, and Applications
• Title（参考訳）: インテリジェントな都市エージェントを用いた大規模言語モデル:概念,能力,応用
• Authors: Jindong Han, Yansong Ning, Zirui Yuan, Hang Ni, Fan Liu, Tengfei Lyu, Hao Liu,
• Abstract要約: 大規模言語モデル(LLM)は、インテリジェントシティのビジョンを実現するための新しい方法を開いた。 本稿では,都市におけるサイバー物理と社会のハイブリッド空間において,半エンボディードな都市型LLMエージェントについて述べる。
• 参考スコア（独自算出の注目度）: 11.994794218481122
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The long-standing vision of intelligent cities is to create efficient, livable, and sustainable urban environments using big data and artificial intelligence technologies. Recently, the advent of Large Language Models (LLMs) has opened new ways toward realizing this vision. With powerful semantic understanding and reasoning capabilities, LLMs can be deployed as intelligent agents capable of autonomously solving complex problems across domains. In this article, we focus on Urban LLM Agents, which are LLM-powered agents that are semi-embodied within the hybrid cyber-physical-social space of cities and used for system-level urban decision-making. First, we introduce the concept of urban LLM agents, discussing their unique capabilities and features. Second, we survey the current research landscape from the perspective of agent workflows, encompassing urban sensing, memory management, reasoning, execution, and learning. Third, we categorize the application domains of urban LLM agents into five groups: urban planning, transportation, environment, public safety, and urban society, presenting representative works in each group. Finally, we discuss trustworthiness and evaluation issues that are critical for real-world deployment, and identify several open problems for future research. This survey aims to establish a foundation for the emerging field of urban LLM agents and to provide a roadmap for advancing the intersection of LLMs and urban intelligence. A curated list of relevant papers and open-source resources is maintained and continuously updated at https://github.com/usail-hkust/Awesome-Urban-LLM-Agents.
• Abstract（参考訳）: インテリジェントシティの長年のビジョンは、ビッグデータと人工知能技術を使って、効率的で自由で持続可能な都市環境を作ることだ。 近年、LLM(Large Language Models)の出現により、このビジョンを実現する新たな方法が開かれた。 強力なセマンティック理解と推論機能により、LLMはドメイン間の複雑な問題を自律的に解決できるインテリジェントエージェントとしてデプロイできる。 本稿では,LLMを利用したエージェントであるUrban LLM Agentsに焦点をあてる。 まず,都市型LCMエージェントの概念を紹介し,その特徴と特徴について論じる。 第2に,都市感,記憶管理,推論,実行,学習といったエージェントワークフローの観点から,現在の研究状況を調査した。 第3に,都市 LLM エージェントの適用領域を,都市計画,交通,環境,公共安全,都市社会の5つのグループに分類し,各グループの代表的業務を提示する。 最後に,現実の展開に不可欠な信頼性と評価の問題について議論し,今後の研究の課題をいくつか挙げる。 本調査は,LLMエージェントの新興分野の基盤を確立し,LLMと都市知能の交差を促進するためのロードマップを提供することを目的とする。 関連するドキュメントとオープンソースリソースのキュレートされたリストは、https://github.com/usail-hkust/Awesome-Urban-LLM-Agentsで継続的に更新されている。

関連論文リスト

• Urban Computing in the Era of Large Language Models [41.50492781046065]
  本稿では,大規模言語モデル(LLM)と都市コンピューティングの交わりについて検討する。 我々は,LLMの進化とコア技術について,簡潔に概説する。 我々は、交通、公共安全、環境モニタリングなど、主要都市領域にまたがる応用を調査する。
  論文  参考訳（メタデータ） (2025-04-02T05:12:13Z)
• Exploring the Roles of Large Language Models in Reshaping Transportation Systems: A Survey, Framework, and Roadmap [51.198001060683296]
  大型言語モデル(LLM)は、輸送上の課題に対処するための変革的な可能性を提供する。 LLM4TRは,交通におけるLSMの役割を体系的に分類する概念的枠組みである。 それぞれの役割について,交通予測や自律運転,安全分析,都市移動最適化など,さまざまな応用について検討した。
  論文  参考訳（メタデータ） (2025-03-27T11:56:27Z)
• CityGPT: Empowering Urban Spatial Cognition of Large Language Models [7.40606412920065]
  大規模言語モデルは、都市環境内の実際の地理空間的タスクに取り組むと、しばしば不足する。 都市空間に対するLLMの理解を高め、関連する都市課題を解決する能力を向上させるためのフレームワークである textitCityGPT を提案する。 提案手法の有効性を検証するため,LLMの性能評価のためのテキストベースの空間ベンチマークtextitCityEvalを開発した。
  論文  参考訳（メタデータ） (2024-06-20T02:32:16Z)
• CityBench: Evaluating the Capabilities of Large Language Models for Urban Tasks [10.22654338686634]
  大規模言語モデル (LLMs) と視覚言語モデル (VLMs) は、実際の有効性と信頼性を確保するために欠かせないものとなっている。 都市研究のための体系的評価ベンチマークを構築する上での課題は、都市データの多様性にある。 本稿では,対話型シミュレータによる評価プラットフォームである textitCityBench を設計する。
  論文  参考訳（メタデータ） (2024-06-20T02:25:07Z)
• Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
  GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。 最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。 道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-04-25T15:59:16Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)

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。