論文の概要: Spatio-Temporal Trajectory Foundation Model - Recent Advances and Future Directions

• arxiv url: http://arxiv.org/abs/2511.20729v1
• Date: Tue, 25 Nov 2025 10:47:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.79447
• Title: Spatio-Temporal Trajectory Foundation Model - Recent Advances and Future Directions
• Title（参考訳）: 時空間軌道基礎モデル -最近の進歩と今後の方向性-
• Authors: Sean Bin Yang, Ying Sun, Yunyao Cheng, Yan Lin, Kristian Torp, Jilin Hu,
• Abstract要約: ファンデーションモデル(FM)は強力なパラダイムとして登場し、さまざまなデータ分析と知識発見タスクを可能にしている。 このチュートリアルは、基礎モデル(TFM)の最近の進歩の包括的概要を提供することによってギャップに対処する。
• 参考スコア（独自算出の注目度）: 11.997099077115957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Foundation models (FMs) have emerged as a powerful paradigm, enabling a diverse range of data analytics and knowledge discovery tasks across scientific fields. Inspired by the success of FMs, particularly large language models, researchers have recently begun to explore spatio-temporal foundation models (STFMs) to improve adaptability and generalization across a wide spectrum of spatio-temporal (ST) tasks. Despite rapid progress, a systematic investigation of trajectory foundation models (TFMs), a crucial subclass of STFMs, is largely lacking. This tutorial addresses this gap by offering a comprehensive overview of recent advances in TFMs, including a taxonomy of existing methodologies and a critical analysis of their strengths and limitations. In addition, the tutorial highlights open challenges and outlines promising research directions to advance spatio-temporal general intelligence through the development of robust, responsible, and transferable TFMs.
• Abstract（参考訳）: ファンデーションモデル(FM)は強力なパラダイムとして登場し、科学分野にまたがる多様なデータ分析と知識発見タスクを可能にしている。 FM、特に大きな言語モデルの成功に触発されて、研究者は最近、幅広い時空間(ST)タスクの適応性と一般化を改善するために時空間基礎モデル(STFM)の探索を開始した。 急速な進歩にもかかわらず、STFMの重要なサブクラスである軌道基礎モデル(TFMs)の体系的な研究はほとんど欠落している。 本チュートリアルは, 既存の方法論の分類, 強度と限界の批判的分析など, TFMの最近の進歩を包括的に概観することによって, このギャップに対処するものである。 さらに、このチュートリアルでは、オープンな課題を強調し、堅牢で責任があり、転送可能なTFMの開発を通じて、時空間の汎用知性を前進させる、有望な研究の方向性を概説している。

関連論文リスト

• Foundation Models for Spatio-Temporal Data Science: A Tutorial and Survey [69.0648659029394]
  時空間(ST)データサイエンスは、都市コンピューティング、気候科学、インテリジェントトランスポートといった領域における複雑なシステムを理解するのに不可欠である。 研究者は、様々なSTタスクに対する適応性と一般化を高めるために、時空間モデル(STFM)の概念を探求し始めている。 STFMは、データセンシング、管理、マイニングなど、STデータサイエンスのワークフロー全体を強化し、より包括的でスケーラブルなアプローチを提供する。
  論文  参考訳（メタデータ） (2025-03-12T09:42:18Z)
• Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
  本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。 モチベーションと背景の概要から始まり、続いて基本概念が導入された。 我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
  論文  参考訳（メタデータ） (2024-10-22T01:08:21Z)
• Foundation Models for Time Series Analysis: A Tutorial and Survey [70.43311272903334]
  ファンデーションモデル(FM)は、時系列分析のためのモデル設計のパラダイムを根本的に変えてきた。 本調査は,時系列解析のためのFMの概要を包括的かつ最新のものにすることを目的としている。
  論文  参考訳（メタデータ） (2024-03-21T10:08:37Z)

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。