Fugu-MT 論文翻訳(概要): Mobility-Aware Cache Framework for Scalable LLM-Based Human Mobility Simulation

論文の概要: Mobility-Aware Cache Framework for Scalable LLM-Based Human Mobility Simulation

arxiv url: http://arxiv.org/abs/2602.16727v1
Date: Tue, 17 Feb 2026 15:39:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-20 15:21:28.250572
Title: Mobility-Aware Cache Framework for Scalable LLM-Based Human Mobility Simulation
Title（参考訳）: スケーラブルLLMに基づくヒューマンモビリティシミュレーションのためのモビリティを考慮したキャッシュフレームワーク
Authors: Hua Yan, Heng Tan, Yingxue Zhang, Yu Yang,
Abstract要約: 都市計画、疫学、交通分析などの応用には、大規模な人体移動シミュレーションが不可欠である。近年の研究では,大規模言語モデル(LLM)を人間のエージェントとして扱い,構造化推論を用いた現実的な移動行動のシミュレートを行っている。我々は,大規模な人体移動シミュレーションを実現するために,再構成可能なキャッシュを利用するモビリティ対応キャッシュフレームワークMobCacheを設計する。
参考スコア（独自算出の注目度）: 10.524469334404353
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Large-scale human mobility simulation is critical for applications such as urban planning, epidemiology, and transportation analysis. Recent works treat large language models (LLMs) as human agents to simulate realistic mobility behaviors using structured reasoning, but their high computational cost limits scalability. To address this, we design a mobility-aware cache framework named MobCache that leverages reconstructible caches to enable efficient large-scale human mobility simulations. It consists of: (1) a reasoning component that encodes each reasoning step as a latent-space embedding and uses a latent-space evaluator to enable the reuse and recombination of reasoning steps; and (2) a decoding component that employs a lightweight decoder trained with mobility law-constrained distillation to translate latent-space reasoning chains into natural language, thereby improving simulation efficiency while maintaining fidelity. Experiments show that MobCache significantly improves efficiency across multiple dimensions while maintaining performance comparable to state-of-the-art LLM-based methods.
Abstract（参考訳）: 都市計画、疫学、交通分析などの応用には、大規模な人体移動シミュレーションが不可欠である。近年の研究では,大規模言語モデル(LLM)を人間のエージェントとして扱い,構造化推論を用いた現実的な移動行動のシミュレートを行っているが,計算コストが高いためスケーラビリティが制限されている。そこで我々は、再構成可能なキャッシュを活用して大規模な人体移動シミュレーションを実現するモビリティ対応キャッシュフレームワークMobCacheを設計した。 1)各推論ステップを潜在空間埋め込みとしてエンコードし、推論ステップの再利用と再結合を可能にする潜在空間評価器を使用する推論成分と、(2)移動法制約蒸留で訓練された軽量デコーダを用いて潜在空間推論チェーンを自然言語に翻訳し、忠実性を維持しながらシミュレーション効率を向上する復号成分とからなる。実験によると、MobCacheは複数の次元にわたる効率を大幅に改善し、最先端のLCMベースの手法に匹敵する性能を維持している。

関連論文リスト

MobiVerse: Scaling Urban Mobility Simulation with Hybrid Lightweight Domain-Specific Generator and Large Language Models [11.90100976089832]
モビリティシミュレーションのギャップを埋めるハイブリッドフレームワークMobiVerseを提案する。ロサンゼルスのウェストウッドでケーススタディを行い、効率よくスケジュールを動的に生成した。その結果,本手法は行動リアリズムを高めつつ,計算効率を向上することを示す。
論文参考訳（メタデータ） (2025-06-26T21:46:18Z)
CAMS: A CityGPT-Powered Agentic Framework for Urban Human Mobility Simulation [9.907406552578607]
textbfCAMSは、言語に基づく都市基盤モデルを利用して都市空間における人間の移動をシミュレートするエージェントフレームワークである。 textbfCAMSは、外部に提供された地理空間情報に頼ることなく、優れた性能を達成する。
論文参考訳（メタデータ） (2025-06-16T15:24:07Z)
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)
DSMoE: Matrix-Partitioned Experts with Dynamic Routing for Computation-Efficient Dense LLMs [86.76714527437383]
本稿では,事前学習したFFN層を計算ブロックに分割することで,分散化を実現するDSMoEを提案する。我々は,Sigmoid アクティベーションとストレートスルー推定器を用いた適応型エキスパートルーティングを実装し,トークンがモデル知識の様々な側面に柔軟にアクセスできるようにする。 LLaMAモデルを用いた実験により、DSMoEは既存のプルーニング法やMoE法に比べて優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2025-02-18T02:37:26Z)
GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文参考訳（メタデータ） (2024-12-23T18:58:17Z)
Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
論文参考訳（メタデータ） (2024-10-04T06:19:29Z)
LIMP: Large Language Model Enhanced Intent-aware Mobility Prediction [5.7042182940772275]
本稿では,新しい LIMP (LLMs for Intent-ware Mobility Prediction) フレームワークを提案する。具体的には、LIMPは「Analyze-Abstract-Infer」(A2I)エージェントワークフローを導入し、移動意図推論のためのLLMの常識推論力を解き放つ。実世界の2つのデータセット上でLIMPを評価し,次の位置予測における精度の向上と効果的な意図推定を行った。
論文参考訳（メタデータ） (2024-08-23T04:28:56Z)
DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
論文参考訳（メタデータ） (2024-06-04T04:53:05Z)
Chain-of-Planned-Behaviour Workflow Elicits Few-Shot Mobility Generation in LLMs [20.70758465552438]
チェーン・オブ・プランテッド・ビヘイビアは、移動意図発生の誤り率を57.8%から19.4%に大幅に下げる。重力モデルのようなメカニスティックモビリティモデルは、移動意図を物理的モビリティに効果的にマッピングできる。提案した CoPB ワークフローは GPT-4-turbo を容易にして,移動行動推論のための高品質なラベルを自動生成する。
論文参考訳（メタデータ） (2024-02-15T09:58:23Z)

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。