論文の概要: AgentSUMO: An Agentic Framework for Interactive Simulation Scenario Generation in SUMO via Large Language Models

• arxiv url: http://arxiv.org/abs/2511.06804v1
• Date: Mon, 10 Nov 2025 07:46:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.143017
• Title: AgentSUMO: An Agentic Framework for Interactive Simulation Scenario Generation in SUMO via Large Language Models
• Title（参考訳）: AgentSUMO: 大規模言語モデルによるSUMOの対話型シミュレーションシナリオ生成のためのエージェントフレームワーク
• Authors: Minwoo Jeong, Jeeyun Chang, Yoonjin Yoon,
• Abstract要約: 本研究では,大規模言語モデルを用いた対話型シミュレーションシナリオ生成のためのエージェントフレームワークを提案する。 AgentSUMOは、ユーザの意図を解釈し、タスクの複雑さを評価し、パラメータを推測し、実行可能なシミュレーション計画を定式化する適応推論層を導入することで、命令駆動実行から離脱する。 ソウルとマンハッタンの都市ネットワークの実験では、エージェントワークフローは、非専門家のアクセシビリティを維持しながら、トラフィックフローのメトリクスを大幅に改善することを示した。
• 参考スコア（独自算出の注目度）: 4.892076282924386
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The growing complexity of urban mobility systems has made traffic simulation indispensable for evidence-based transportation planning and policy evaluation. However, despite the analytical capabilities of platforms such as the Simulation of Urban MObility (SUMO), their application remains largely confined to domain experts. Developing realistic simulation scenarios requires expertise in network construction, origin-destination modeling, and parameter configuration for policy experimentation, creating substantial barriers for non-expert users such as policymakers, urban planners, and city officials. Moreover, the requests expressed by these users are often incomplete and abstract-typically articulated as high-level objectives, which are not well aligned with the imperative, sequential workflows employed in existing language-model-based simulation frameworks. To address these challenges, this study proposes AgentSUMO, an agentic framework for interactive simulation scenario generation via large language models. AgentSUMO departs from imperative, command-driven execution by introducing an adaptive reasoning layer that interprets user intents, assesses task complexity, infers missing parameters, and formulates executable simulation plans. The framework is structured around two complementary components, the Interactive Planning Protocol, which governs reasoning and user interaction, and the Model Context Protocol, which manages standardized communication and orchestration among simulation tools. Through this design, AgentSUMO converts abstract policy objectives into executable simulation scenarios. Experiments on urban networks in Seoul and Manhattan demonstrate that the agentic workflow achieves substantial improvements in traffic flow metrics while maintaining accessibility for non-expert users, successfully bridging the gap between policy goals and executable simulation workflows.
• Abstract（参考訳）: 都市移動システムの複雑化に伴い,エビデンスに基づく交通計画と政策評価には交通シミュレーションが不可欠である。 しかし、都市運動シミュレーション(SUMO)のようなプラットフォームの分析能力にもかかわらず、その応用はドメインの専門家に限られている。 現実的なシミュレーションシナリオを開発するには、ネットワーク構築、起点決定モデリング、政策実験のためのパラメータ設定に関する専門知識が必要であり、政策立案者、都市計画者、都市役人といった専門家でないユーザーにとって大きな障壁となる。 さらに、これらのユーザによって表現される要求は、しばしば不完全で抽象的に高レベルな目的として記述され、既存の言語モデルベースのシミュレーションフレームワークで使用される命令型、シーケンシャルなワークフローとうまく一致しない。 そこで本研究では,大規模言語モデルを用いた対話型シミュレーションシナリオ生成のためのエージェントフレームワークであるAgentSUMOを提案する。 AgentSUMOは、ユーザの意図を解釈し、タスクの複雑さを評価し、パラメータを推測し、実行可能なシミュレーション計画を定式化する適応推論層を導入することで、命令駆動実行から離脱する。 このフレームワークは、推論とユーザインタラクションを管理するInteractive Planning Protocolと、シミュレーションツール間の標準化されたコミュニケーションとオーケストレーションを管理するModel Context Protocolという2つの補完的なコンポーネントで構成されている。 この設計を通じて、AgentSUMOは抽象的な政策目標を実行可能なシミュレーションシナリオに変換する。 ソウルとマンハッタンの都市ネットワークの実験では、エージェントワークフローは、専門家でないユーザのアクセシビリティを維持しながら、トラフィックフローのメトリクスを大幅に改善し、ポリシー目標と実行可能なシミュレーションワークフローのギャップを埋めることに成功した。

関連論文リスト

• Modeling realistic human behavior using generative agents in a multimodal transport system: Software architecture and Application to Toulouse [0.0]
  本稿では,複雑なマルチモーダル輸送システムにおける現実的な人間の移動挙動をモデル化するためのアーキテクチャを提案する。 エージェント・ベース・シミュレーションにLarge Language Models (LLMs) を適用し,実際の都市環境における意思決定を捉える。 その結果、エージェントはコンテキスト対応のトランスポート決定を行うだけでなく、時間とともに習慣を形成する。
  論文  参考訳（メタデータ） (2025-10-22T11:45:44Z)
• Integrating LLM and Diffusion-Based Agents for Social Simulation [28.21329943306884]
  本稿では,大規模言語モデルに基づくエージェントと拡散モデルに基づくエージェントを戦略的に統合するハイブリッドシミュレーションフレームワークを提案する。 本フレームワークは,既存手法の予測精度を向上し,モジュール設計の有効性を検証した。
  論文  参考訳（メタデータ） (2025-10-18T06:23:22Z)
• What Makes LLM Agent Simulations Useful for Policy? Insights From an Iterative Design Engagement in Emergency Preparedness [19.98298738980743]
  社会シミュレーションにLarge Language Modelsをエージェント(LLMエージェント)として使うことへの関心が高まっているが、実際の採用は限られている。 LLMエージェントのシミュレーションは、政策にどのように役立つのか? 我々は,様々な緊急シナリオ下での大規模な集まりにおいて,群衆の動きとコミュニケーションをシミュレートする13,000個のLDMエージェントを反復的に開発した。
  論文  参考訳（メタデータ） (2025-09-26T04:51:34Z)
• ToolACE-MT: Non-Autoregressive Generation for Agentic Multi-Turn Interaction [84.90394416593624]
  大規模言語モデル(LLM)によるエージェント的タスク解決には,多ターン・マルチステップインタラクションが必要である。 既存のシミュレーションベースのデータ生成手法は、複数のエージェント間のコストのかかる自己回帰的相互作用に大きく依存している。 本稿では,高品質なマルチターンエージェント対話を構築するための非自己回帰反復生成フレームワークであるToolACE-MTを提案する。
  論文  参考訳（メタデータ） (2025-08-18T07:38:23Z)
• Simulation Agent: A Framework for Integrating Simulation and Large Language Models for Enhanced Decision-Making [0.7499722271664147]
  大規模言語モデル(LLM)は直感的で言語ベースの相互作用を提供するが、複雑な実世界の力学を確実にモデル化するために必要な構造的、因果的理解が欠如している。 シミュレーションモデルとLLMの長所を統合する新しい手法であるシミュレーションエージェントフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-05-19T22:27:18Z)
• Simulation Streams: A Programming Paradigm for Controlling Large Language Models and Building Complex Systems with Generative AI [3.3126968968429407]
  Simulation Streamsは、LLM(Large Language Models)を効率的に制御し活用するために設計されたプログラミングパラダイムである。 私たちの一番の目標は、一貫性を維持するための制限に対処しながら、LLMのエージェント能力を活用するフレームワークを作ることです。
  論文  参考訳（メタデータ） (2025-01-30T16:38:03Z)
• GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
  我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。 我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。 我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
  論文  参考訳（メタデータ） (2024-10-06T05:02:23Z)
• Ask-before-Plan: Proactive Language Agents for Real-World Planning [68.08024918064503]
  プロアクティブエージェントプランニングでは、ユーザエージェントの会話とエージェント環境のインタラクションに基づいて、言語エージェントが明確化のニーズを予測する必要がある。 本稿では,明確化,実行,計画の3つのエージェントからなる新しいマルチエージェントフレームワーク,Clarification-Execution-Planning(textttCEP)を提案する。
  論文  参考訳（メタデータ） (2024-06-18T14:07:28Z)

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。