論文の概要: Multi-Agent-Based Simulation of Archaeological Mobility in Uneven Landscapes
- arxiv url: http://arxiv.org/abs/2603.03390v1
- Date: Tue, 03 Mar 2026 09:02:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.033027
- Title: Multi-Agent-Based Simulation of Archaeological Mobility in Uneven Landscapes
- Title（参考訳）: 不均一景観における考古学的モビリティのマルチエージェントシミュレーション
- Authors: Chairi Kiourt, Vassilis Evangelidis, Dimitris Grigoropoulos,
- Abstract要約: 本稿では,不均一な景観における考古学的モビリティをシミュレートするためのマルチエージェント・モデリング・フレームワークを提案する。
提案手法は,グローバルパス計画と局所的動的適応を併用し,補強学習を行う。
このフレームワークは、人間グループや動物ベースの輸送システムを含む多様なエージェントタイプを明示的にモデル化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding mobility, movement, and interaction in archaeological landscapes is essential for interpreting past human behavior, transport strategies, and spatial organization, yet such processes are difficult to reconstruct from static archaeological evidence alone. This paper presents a multi-agent-based modeling framework for simulating archaeological mobility in uneven landscapes, integrating realistic terrain reconstruction, heterogeneous agent modeling, and adaptive navigation strategies. The proposed approach combines global path planning with local dynamic adaptation, through reinforcment learning, enabling agents to respond efficiently to dynamic obstacles and interactions without costly global replanning. Real-world digital elevation data are processed into high-fidelity three-dimensional environments, preserving slope and terrain constraints that directly influence agent movement. The framework explicitly models diverse agent types, including human groups and animal-based transport systems, each parameterized by empirically grounded mobility characteristics such as load, slope tolerance, and physical dimensions. Two archaeological-inspired use cases demonstrate the applicability of the approach: a terrain-aware pursuit and evasion scenario and a comparative transport analysis involving pack animals and wheeled carts. The results highlight the impact of terrain morphology, visibility, and agent heterogeneity on movement outcomes, while the proposed hybrid navigation strategy provides a computationally efficient and interpretable solution for large-scale, dynamic archaeological simulations.
- Abstract（参考訳）: 考古学的景観における移動、移動、相互作用を理解することは、過去の人間の行動、輸送戦略、空間的組織を理解するのに不可欠であるが、そのようなプロセスは静的な考古学的証拠からのみ再構築することは困難である。
本稿では,不均一な景観における考古学的モビリティをシミュレーションし,現実的な地形復元,異種エージェントモデリング,適応ナビゲーション戦略を統合するためのマルチエージェント・モデリング・フレームワークを提案する。
提案手法は,グローバルパス計画と局所的動的適応を組み合わせることで,エージェントがコストのかかるグローバルな再計画を行うことなく,動的障害や相互作用に効率的に対応できるようにする。
実世界のデジタル標高データは高忠実な3次元環境に処理され、エージェントの動きに直接影響する斜面や地形の制約を保存する。
このフレームワークは、人間グループや動物をベースとした輸送システムを含む多様なエージェントタイプを明示的にモデル化し、それぞれが、荷重、耐斜面性、物理的次元などの実験的に基礎付けられた移動特性によってパラメータ化されている。
地質学的にヒントを得た2つのユースケースは、地形を意識した追跡と回避のシナリオと、パック動物と車輪付きカートを含む比較輸送分析のアプローチの適用性を示している。
その結果, 地形形態, 視認性, エージェントの不均一性が運動に与える影響が強調され, 提案したハイブリッドナビゲーション戦略は大規模・動的考古学シミュレーションにおいて, 計算的に効率的かつ解釈可能な解を提供する。
関連論文リスト
- GIANT - Global Path Integration and Attentive Graph Networks for Multi-Agent Trajectory Planning [4.019914376054815]
本稿では,グローバルパス計画とローカルナビゲーション戦略を統合したマルチロボット衝突回避手法を提案する。
本研究では,事前に計画されたグローバルパスを活用するローカルナビゲーションモデルを導入し,ロボットが最適な経路に順応し,環境変化に動的に適応できるようにする。
提案手法は, NH-ORCA, DRL-NAV, GA3C-CADRLなどの既設ベースラインに対して, 多様なシミュレーションシナリオに対して評価を行った。
論文 参考訳（メタデータ） (2026-03-04T22:45:53Z) - MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。
現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
論文 参考訳（メタデータ） (2026-02-17T17:09:45Z) - Aligning Agentic World Models via Knowledgeable Experience Learning [68.85843641222186]
環境フィードバックをシンセサイザー化したWorld Knowledge Repositoryを構築するフレームワークであるWorldMindを紹介する。
WorldMindは、優れたクロスモデルとクロス環境転送性を備えたベースラインよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-01-19T17:33:31Z) - Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。
OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。
当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
論文 参考訳（メタデータ） (2025-12-08T15:56:18Z) - GATSim: Urban Mobility Simulation with Generative Agents [12.893057419094932]
GATSimは、豊かな人間のような振る舞いを持つ生成エージェントを用いて、都市移動をシミュレートする新しいフレームワークである。
従来のアプローチとは異なり、GATSimエージェントは、多様な社会経済プロファイル、個人のライフスタイル、心理的に情報を得た記憶システムによって形成される進化する嗜好によって特徴付けられる。
筆者らは,プロトタイプシステムを実装し,系統的検証を行い,生成エージェントが信頼性とコヒーレントな旅行行動を生成することを示す。
論文 参考訳（メタデータ） (2025-06-29T15:52:16Z) - 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) - Situationally-Aware Dynamics Learning [57.698553219660376]
隠れ状態表現のオンライン学習のための新しいフレームワークを提案する。
提案手法は、非観測パラメータが遷移力学と報酬構造の両方に与える影響を明示的にモデル化する。
シミュレーションと実世界の両方の実験は、データ効率、ポリシー性能、安全で適応的なナビゲーション戦略の出現を著しく改善した。
論文 参考訳（メタデータ） (2025-05-26T06:40:11Z) - A Survey of World Models for Autonomous Driving [55.520179689933904]
自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。
世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。
今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
論文 参考訳（メタデータ） (2025-01-20T04:00:02Z) - How Cars Move: Analyzing Driving Dynamics for Safer Urban Traffic [12.414957984956043]
PriorMotionは、動的解析を駆動することで、運動パターンを体系的に発見するように設計されたデータ統合フレームワークである。
提案手法は,都市交通の空間的時間的傾向を捉えるために,マルチスケールな経験的観察とカスタマイズされた分析ツールを組み合わせる。
論文 参考訳（メタデータ） (2024-12-05T09:56:24Z) - Objective-aware Traffic Simulation via Inverse Reinforcement Learning [31.26257563160961]
逆強化学習問題として交通シミュレーションを定式化する。
動的ロバストシミュレーション学習のためのパラメータ共有逆強化学習モデルを提案する。
提案モデルでは,実世界の車両の軌道を模倣し,同時に報酬関数を復元することができる。
論文 参考訳（メタデータ） (2021-05-20T07:26:34Z) - Learning to Move with Affordance Maps [57.198806691838364]
物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。
従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。
学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
論文 参考訳（メタデータ） (2020-01-08T04:05:11Z)
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。