論文の概要: City Editing: Hierarchical Agentic Execution for Dependency-Aware Urban Geospatial Modification

• arxiv url: http://arxiv.org/abs/2602.19326v1
• Date: Sun, 22 Feb 2026 20:20:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.589894
• Title: City Editing: Hierarchical Agentic Execution for Dependency-Aware Urban Geospatial Modification
• Title（参考訳）: 都市編集 : 従属型都市地理空間修正のための階層的エージェント実行
• Authors: Rui Liu, Steven Jige Quan, Zhong-Ren Peng, Zijun Yao, Han Wang, Zhengzhang Chen, Kunpeng Liu, Yanjie Fu, Dongjie Wang,
• Abstract要約: 都市再生を機械実行可能なタスクとして定式化し、構造的地理空間形式で表される既存の都市計画を反復的に修正する。 相互に依存する空間要素と抽象レベルをまたいだ編集を調整するために,階層型エージェント・フレームワークを提案する。 様々な都市編集シナリオに対する実験は、効率、堅牢性、正確性、空間的妥当性を著しく改善したことを示している。
• 参考スコア（独自算出の注目度）: 33.17500907200287
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As cities evolve over time, challenges such as traffic congestion and functional imbalance increasingly necessitate urban renewal through efficient modification of existing plans, rather than complete re-planning. In practice, even minor urban changes require substantial manual effort to redraw geospatial layouts, slowing the iterative planning and decision-making procedure. Motivated by recent advances in agentic systems and multimodal reasoning, we formulate urban renewal as a machine-executable task that iteratively modifies existing urban plans represented in structured geospatial formats. More specifically, we represent urban layouts using GeoJSON and decompose natural-language editing instructions into hierarchical geometric intents spanning polygon-, line-, and point-level operations. To coordinate interdependent edits across spatial elements and abstraction levels, we propose a hierarchical agentic framework that jointly performs multi-level planning and execution with explicit propagation of intermediate spatial constraints. We further introduce an iterative execution-validation mechanism that mitigates error accumulation and enforces global spatial consistency during multi-step editing. Extensive experiments across diverse urban editing scenarios demonstrate significant improvements in efficiency, robustness, correctness, and spatial validity over existing baselines.
• Abstract（参考訳）: 都市が時間の経過とともに進化していくにつれて、交通渋滞や機能的不均衡といった課題は、完全な再計画ではなく、既存の計画の効率的な修正を通じて都市再生を必要としている。 実際には、小さな都市部の変更であっても、地理空間的レイアウトを再設計するためにかなりの手作業が必要であり、反復的な計画と意思決定の手順を遅らせる。 エージェントシステムとマルチモーダル推論の最近の進歩に触発されて、我々は、構造的地理空間形式で表される既存の都市計画を反復的に修正するマシン実行可能なタスクとして、都市再生を定式化する。 より具体的には、GeoJSONを用いて都市レイアウトを表現し、自然言語編集命令を多角形、線状、点レベルの操作にまたがる階層的な幾何学的意図に分解する。 空間要素と抽象レベルをまたいだ相互依存的な編集を協調させるため,中間空間制約の明示的な表現を伴う多段階計画と実行を協調的に行う階層型エージェント・フレームワークを提案する。 さらに,複数ステップの編集において,エラーの蓄積を軽減し,大域的な空間的一貫性を強制する反復的実行検証機構を導入する。 多様な都市編集シナリオにわたる大規模な実験は、既存のベースラインよりも効率、堅牢性、正確性、空間的妥当性が著しく向上したことを示している。

関連論文リスト

• TodoEvolve: Learning to Architect Agent Planning Systems [68.48983335970901]
  TodoEvolveは、タスク固有の計画を自律的に合成し、動的に修正するメタプランニングパラダイムである。 PlanFactoryは異種計画パターンの共通インターフェースを提供する。 TodoEvolveは、経済的なAPIコストとランタイムオーバーヘッドを維持しながら、慎重に設計された計画モジュールを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-08T06:37:01Z)
• UrbanMind: Towards Urban General Intelligence via Tool-Enhanced Retrieval-Augmented Generation and Multilevel Optimization [7.478830207921698]
  アーバン・ジェネラル・インテリジェンス(UGI)とは、ダイナミックで複雑な都市環境の中で自律的に知覚、理性、行動を行うAIシステムの能力を指す。 本稿では,UrbanMindについて紹介する。UrbanMindは,UGIを促進するためのツール強化検索拡張生成(RAG)フレームワークである。
  論文  参考訳（メタデータ） (2025-07-07T06:57:34Z)
• HyperTree Planning: Enhancing LLM Reasoning via Hierarchical Thinking [109.09735490692202]
  提案するHyperTree Planning(HTP)は,高木構造プランニングアウトラインを構成する新しい推論パラダイムである。 実験ではHTPの有効性を実証し、Gemini-1.5-ProによるTravelPlannerベンチマークで最先端の精度を実現し、o1-previewよりも3.6倍の性能向上を実現した。
  論文  参考訳（メタデータ） (2025-05-05T02:38:58Z)
• Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
  メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。 次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。 20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
  論文  参考訳（メタデータ） (2025-01-20T07:12:40Z)
• A Unified Framework for Next-Gen Urban Forecasting via LLM-driven Dependency Retrieval and GeoTransformer [7.128763419599272]
  本研究では,高次元都市予測のための新しい統一的枠組みを提案する。 我々のフレームワークはモジュール化されており、多様な表現方法や予測モデルをサポートし、最小限の入力でも操作できる。
  論文  参考訳（メタデータ） (2024-08-16T17:26:42Z)
• Human-instructed Deep Hierarchical Generative Learning for Automated Urban Planning [57.91323079939641]
  我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。 最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。 第2の段階は、都市機能投影を形成するための計画要件を理解することである。 第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
  論文  参考訳（メタデータ） (2022-12-01T23:06:41Z)
• Automated Urban Planning aware Spatial Hierarchies and Human Instructions [33.06221365923015]
  本稿では,GAN(Generative Adversarial Network)に基づく都市プランナを提案する。 GANは人間の指示や周囲の文脈からの情報に基づいて都市機能ゾーンを構築する。 作業の有効性を検証するため、広範な実験を行います。
  論文  参考訳（メタデータ） (2022-09-26T20:37:02Z)
• Deep Human-guided Conditional Variational Generative Modeling for Automated Urban Planning [30.614010268762115]
  都市計画は土地利用形態を設計し、居住可能で持続可能で安全なコミュニティの構築に役立てることができる。 画像生成にインスパイアされた深層都市計画は、深層学習を活用して土地利用構成を生成することを目的としている。 本稿では, 上記の課題を共同で解決するための, 深層都市計画手法について検討する。
  論文  参考訳（メタデータ） (2021-10-12T15:45:38Z)

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。