論文の概要: SmartFlow Reinforcement Learning and Agentic AI for Bike-Sharing Optimisation
- arxiv url: http://arxiv.org/abs/2601.00868v1
- Date: Tue, 30 Dec 2025 13:27:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-06 16:25:21.808988
- Title: SmartFlow Reinforcement Learning and Agentic AI for Bike-Sharing Optimisation
- Title（参考訳）: 自転車共有最適化のためのスマートフロー強化学習とエージェントAI
- Authors: Aditya Sreevatsa K, Arun Kumar Raveendran, Jesrael K Mani, Prakash G Shigli, Rajkumar Rangadore, Narayana Darapaneni, Anwesh Reddy Paduri,
- Abstract要約: SmartFlowは強化学習とエージェントAIを統合するフレームワークである。
都市部における自転車共有サービスにおけるダイナミックリバランシングの問題に対処する。
SmartFlowは、最小の移動距離を必要としながら、ネットワークの不均衡を95%以上削減する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SmartFlow is a multi-layered framework that integrates Reinforcement Learning and Agentic AI to address the dynamic rebalancing problem in urban bike-sharing services. Its architecture separates strategic, tactical, and communication functions for clarity and scalability. At the strategic level, a Deep Q-Network (DQN) agent, trained in a high-fidelity simulation of New Yorks Citi Bike network, learns robust rebalancing policies by modelling the challenge as a Markov Decision Process. These high-level strategies feed into a deterministic tactical module that optimises multi-leg journeys and schedules just-in-time dispatches to minimise fleet travel. Evaluation across multiple seeded runs demonstrates SmartFlows high efficacy, reducing network imbalance by over 95% while requiring minimal travel distance and achieving strong truck utilisation. A communication layer, powered by a grounded Agentic AI with a Large Language Model (LLM), translates logistical plans into clear, actionable instructions for operational staff, ensuring interpretability and execution readiness. This integration bridges machine intelligence with human operations, offering a scalable solution that reduces idle time, improves bike availability, and lowers operational costs. SmartFlow provides a blueprint for interpretable, AI-driven logistics in complex urban mobility networks.
- Abstract（参考訳）: SmartFlowは、強化学習とエージェントAIを統合した多層フレームワークである。
そのアーキテクチャは、戦略的、戦術的、および通信機能を明確かつ拡張性のために分離する。
戦略的レベルでは、ニューヨークのシティバイクネットワークの高忠実度シミュレーションで訓練されたDeep Q-Network(DQN)エージェントが、マルコフ決定プロセスとしてチャレンジをモデル化することで、堅牢なリバランスポリシを学習する。
これらのハイレベル戦略は、複数のレッグの旅を最適化し、艦隊の移動を最小限に抑えるためにジャスト・イン・タイムの派遣を最適化する決定論的戦術モジュールに影響を及ぼす。
複数のシード実行の評価はSmartFlowsの高い有効性を示し、ネットワーク不均衡を95%以上低減し、旅行距離を最小化し、強力なトラック利用を実現する。
大規模言語モデル(LLM)を備えた接地型エージェントAI(Agentic AI)を利用した通信層は、ロジスティックプランを、運用スタッフのための明確で実用的な命令に変換し、解釈可能性と実行準備を確実にする。
この統合は、マシンインテリジェンスを人間の操作にブリッジし、アイドル時間を短縮し、自転車の可用性を改善し、運用コストを下げるスケーラブルなソリューションを提供する。
SmartFlowは、複雑な都市モビリティネットワークにおいて、解釈可能なAI駆動のロジスティクスのための青写真を提供する。
関連論文リスト
- Youtu-LLM: Unlocking the Native Agentic Potential for Lightweight Large Language Models [78.73992315826035]
ネイティブエージェントインテリジェンスと高い計算効率を調和させる軽量言語モデルであるYoutu-LLMを紹介する。
Youtu-LLMは、スクラッチから体系的に推論と計画能力の育成まで事前訓練されている。
論文 参考訳（メタデータ） (2025-12-31T04:25:11Z) - Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL [37.79695337425523]
低高度インテリジェントネットワーク(LAIN)は、災害対応、環境モニタリング、リアルタイムセンシングといったミッションクリティカルなアプリケーションをサポートすることができる。
これらのシステムは、エネルギー制約のあるUAV、タスク到着、異種コンピューティングリソースなど、重要な課題に直面している。
本稿では,UAV軌道計画とタスクオフロード決定を協調的に最適化する,時間依存型整数型非線形計画問題の解法を提案する。
論文 参考訳（メタデータ） (2025-12-05T08:14:45Z) - Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。
オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。
動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
論文 参考訳（メタデータ） (2025-10-11T05:11:21Z) - Multi-Agent Reinforcement Learning in Intelligent Transportation Systems: A Comprehensive Survey [1.8899300124593648]
本稿では、ITSにおけるMARL(Multi Agent Reinforcement Learning)の適用状況について調査する。
MARLは、分散エージェントが最適な戦略を共同で学習できるようにすることによって、これらの課題に対処するための有望なパラダイムを提供する。
我々はMARLアプローチを調整モデルと学習アルゴリズム、価値ベース、ポリシーベース、アクター評論家、コミュニケーション強化フレームワークに基づいて分類する構造化分類を導入する。
論文 参考訳（メタデータ） (2025-08-27T23:04:34Z) - Bi-LSTM based Multi-Agent DRL with Computation-aware Pruning for Agent Twins Migration in Vehicular Embodied AI Networks [20.574619097682923]
インテリジェントトランスポートでは、大型言語モデルと組み込み人工知能(AI)の組み合わせにより、Vehicular Embodied AI Network(VEAN)が生成される。
VEANでは、自律走行車(AV)が典型的なエージェントであり、局所的な高度なAIアプリケーションは車載型AIエージェントとして定義される。
レイテンシとリソースの制約のため、車載型AIエージェント上で動作するローカルAIアプリケーションとサービスを移行する必要がある。
論文 参考訳（メタデータ） (2025-05-09T18:52:26Z) - Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。
提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。
我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
論文 参考訳（メタデータ） (2025-01-16T16:45:08Z) - Multi-Agent Deep Q-Network with Layer-based Communication Channel for Autonomous Internal Logistics Vehicle Scheduling in Smart Manufacturing [0.0]
本稿では,レイヤベースの通信チャネル (LBCC) を備えたマルチエージェント深層Q-network (MADQN) を提案する。
主な目的は、仕事の難易度を最小化し、雑多な仕事の数を減らし、車のエネルギー消費を減らすことである。
論文 参考訳（メタデータ） (2024-11-01T16:40:12Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - Multi-Agent Reinforcement Learning for Markov Routing Games: A New
Modeling Paradigm For Dynamic Traffic Assignment [11.093194714316434]
我々は,各エージェントが自身の経路選択ポリシーを学習し,更新するマルコフルーティングゲーム(MRG)を開発した。
知的エージェントのルーティング動作は、予測動的ユーザ均衡という古典的な概念に収束することが示されている。
論文 参考訳（メタデータ） (2020-11-22T02:31:14Z) - Multi-Agent Routing Value Iteration Network [88.38796921838203]
疎結合グラフの学習値に基づいてマルチエージェントルーティングを行うことができるグラフニューラルネットワークに基づくモデルを提案する。
最大25ノードのグラフ上で2つのエージェントでトレーニングしたモデルでは,より多くのエージェントやノードを持つ状況に容易に一般化できることが示されている。
論文 参考訳（メタデータ） (2020-07-09T22:16:45Z)
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。