論文の概要: UrbanAgent: A Tool-Augmented Agent for Cross-System Urban Tasks

• arxiv url: http://arxiv.org/abs/2608.03018v1
• Date: Tue, 04 Aug 2026 02:04:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.993878
• Title: UrbanAgent: A Tool-Augmented Agent for Cross-System Urban Tasks
• Title（参考訳）: UrbanAgent: クロスシステムな都市タスクのためのツール強化エージェント
• Abstract要約: Urban-Agentは、クロスシステムな都市タスクのためのツール拡張されたエージェントフレームワークである。 それは、コード実行、API呼び出し、モデルコンテキストプロトコルをサポートするツールセットと、大きな言語モデルの認知と推論の能力とを結合します。 実験の結果、Urban-Agentは71%のタスク成功率に達し、最強のベースラインを10ポイント上回った。
• 参考スコア（独自算出の注目度）: 12.579199084038969
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern cities rely on an increasing number of digital services to operate, but residents' daily needs are still difficult to meet. Services are fragmented and have little interoperability, placing a heavy operational burden on users. Existing digital platforms, urban foundation models, and intelligent assistants each address only isolated aspects of an urban task. But they struggle to reliably convert complex natural-language requests into executable cross-system workflows. We propose Urban-Agent, a tool-augmented agent framework for cross-system urban tasks. It couples the cognitive and reasoning capabilities of a large language model with a tool-set supporting code execution, API calls, and Model Context Protocol. Through one adaptive closed loop, it clarifies missing information before acting, grounds tool use in live observations, and aligns the final response with observed evidence and task constraints. To address the evaluation gap, we introduce Urban-Eval, a benchmark specifically designed for cross-system urban request. Unlike prior benchmarks that assess either general tool use or urban knowledge and reasoning, Urban-Eval evaluates both task results and execution quality, including required tool coverage, dependency validity, and evidence traceability. Experimental results indicate that Urban-Agent reaches a 71% task success rate, 10 points above the strongest baseline. This lead holds across GPT-5-mini, Gemini-2.5-flash, DeepSeek-V4-flash, and Qwen3-235B-A22B.
• Abstract（参考訳）: 現代の都市ではデジタルサービスの利用が増えているが、住民の日々のニーズを満たすことは依然として困難である。 サービスは断片化されており、相互運用性がほとんどありません。 既存のデジタルプラットフォーム、都市基盤モデル、インテリジェントアシスタントはそれぞれ、都市タスクの独立した側面のみに対処する。 しかし、複雑な自然言語リクエストを実行可能なクロスシステムワークフローに確実に変換するのは難しい。 都市間タスクのためのツール強化エージェントフレームワークであるUrban-Agentを提案する。 それは、コード実行、API呼び出し、モデルコンテキストプロトコルをサポートするツールセットと、大きな言語モデルの認知と推論の能力とを結合します。 1つの適応的なクローズドループを通して、行動の前に行方不明の情報を明確化し、ライブ観察で使用するツールを基盤にして、最終的な応答を観察されたエビデンスとタスクの制約と整合させる。 評価ギャップに対処するため,クロスシステムな都市要求に特化して設計されたベンチマークであるUrban-Evalを導入する。 一般的なツールの使用や都市での知識と推論を評価する以前のベンチマークとは異なり、Urban-Evalは必要なツールカバレッジ、依存性の妥当性、エビデンストレーサビリティなど、タスク結果と実行品質の両方を評価している。 実験の結果,Urban-Agentは71%のタスク成功率,最強ベースラインの10ポイントに達した。 このリードは、GPT-5-mini、Gemini-2.5-flash、DeepSeek-V4-flash、Qwen3-235B-A22Bにまたがる。

関連論文リスト

• Lingjing: A Simulation Testbed for Multi-Agent Embodied Tasks in Open-Ended Cities [19.14332737179313]
  Lingjingは、オープンエンドの都市環境における異種マルチエージェントインテリジェンスのためのシミュレーションプラットフォームである。 Gymライクなインターフェースは、ユーザ定義のReActエージェントと、単一または複数エージェントの自然言語ミッションをサポートする。 そこで我々は,9つの都市タスクにおける12の視覚言語モデルについて,共有エンジン・イン・ザ・ループプロトコルを用いて評価した。
  論文  参考訳（メタデータ） (2026-08-08T10:18:58Z)
• Multi-Agent Collaborative Reasoning with Tool-Augmented Evidence for Urban Region Profiling [31.71830721319945]
  都市域のプロファイリングは、人口推定、経済評価、環境モニタリングなどの応用をサポートする。 本稿では,都市域のプロファイリングを推論問題として再編成するエージェントフレームワークであるUrbanAgentを提案する。 炭素排出量、GDP、人口推定のためのグローバルな都市データセットの実験は、UrbanAgentが既存のベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-07-15T08:01:42Z)
• From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
  本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。 まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。 次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
  論文  参考訳（メタデータ） (2026-06-14T05:40:16Z)
• SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks [73.92333717662558]
  SpaceWorldは、複雑な現実世界のタスクにおけるマルチモーダルエージェントのインタラクティブな空間的理解を評価するためのベンチマークである。 多様なドメイン(例えば、家庭のルーチン、旅行、社会協力など)にまたがる760の人称タスクが特徴である。 信頼性評価のために、各タスクは、人間検証された初期状態、参照軌跡、端末状態検証器を含む。
  論文  参考訳（メタデータ） (2026-06-08T15:51:51Z)
• CITYREP: A Unified Benchmark for Urban Representations Across Cities, Tasks, and Modalities [0.8319452826580411]
  CityRepは、空間的に構造化された分割を使用して、データモダリティ、都市、タスク間の都市表現を評価するベンチマークである。 その結果,確率的にスコアが膨らんだり,モデルランキングが変更されたりして,性能は分割プロトコルに非常に敏感であることがわかった。 CityRepは、公正な比較を容易にするために、データセット、評価パイプライン、診断ツールを備えた再現可能なベンチマークとしてリリースされた。
  論文  参考訳（メタデータ） (2026-05-25T17:03:46Z)
• DexJoCo: A Benchmark and Toolkit for Task-Oriented Dexterous Manipulation on MuJoCo [82.73355932907565]
  DexJoCoはタスク指向のデクサラス操作のためのベンチマークとツールキットである。 本研究は,ツール使用,双方向調整,長期実行,推論などを評価する機能的なタスクを11個提示する。 我々は、視覚的・動的ランダム化、マルチタスクトレーニング、アクションヘッド適応など、多様な設定で最新のモデルをベンチマークする。
  論文  参考訳（メタデータ） (2026-05-15T17:59:51Z)
• Urbanite: A Dataflow-Based Framework for Human-AI Interactive Alignment in Urban Visual Analytics [4.107382739138796]
  都市視覚分析は、現実世界の問題に対する洞察を導き出すのに欠かせないものとなっている。 多様なデータセットを管理し、複雑に蒸留し、様々な分析手法を統合する必要性は、参入の障壁を高くする。 都市視覚分析における人間とAIの協調のためのフレームワークであるUrbaniteを提案する。
  論文  参考訳（メタデータ） (2025-08-10T15:44:37Z)
• ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks [64.86209459039313]
  ThinkGeoは、構造化ツールの使用とマルチステップ計画を通じて、リモートセンシングタスクにおけるツール拡張エージェントを評価するために設計されたエージェントベンチマークである。 我々はReActスタイルの対話ループを実装し,486 個の構造化エージェントタスク上でのオープンソース LLM とクローズドソース LLM の両方を1,773 個の専門家が検証した推論ステップで評価する。 分析の結果、ツールの精度とモデル間の計画整合性に顕著な相違が明らかになった。
  論文  参考訳（メタデータ） (2025-05-29T17:59:38Z)
• CityEQA: A Hierarchical LLM Agent on Embodied Question Answering Benchmark in City Space [35.223263448229716]
  EQA(Embodied Question Answering)は主に屋内環境に焦点を当てている。 本研究では,ダイナミックな都市空間における活発な探索を通じてオープンな語彙に答える新しい課題であるCityEQAを紹介する。 我々は,1,412の人的注釈付きタスクを含む最初のベンチマークデータセットであるCityEQA-ECを提示する。 また,CityEQA に適した新規エージェントである Planner-Manager-Actor (PMA) を提案する。
  論文  参考訳（メタデータ） (2025-02-18T04:36:15Z)
• UrBench: A Comprehensive Benchmark for Evaluating Large Multimodal Models in Multi-View Urban Scenarios [60.492736455572015]
  複雑な多視点都市シナリオにおけるLMM評価のためのベンチマークであるUrBenchを提案する。 UrBenchには、リージョンレベルとロールレベルの両方で、厳密にキュレートされた11.6Kの質問が含まれている。 21のLMMに対する評価は、現在のLMMが都市環境においていくつかの面で苦戦していることを示している。
  論文  参考訳（メタデータ） (2024-08-30T13:13:35Z)
• CityX: Controllable Procedural Content Generation for Unbounded 3D Cities [50.10101235281943]
  現在の生成法は多様性、可制御性または忠実度に乏しい。 本研究では,高忠実度生成のための手続き的コンテンツ生成(PCG)技術を利用する。 我々は,OSM,セマンティックマップ,衛星画像などのマルチモーダル命令を実行可能なプログラムに変換するマルチエージェントフレームワークを開発した。 提案手法はCityXと呼ばれ,多種多様で制御可能でリアルな3D都市景観の創出において,その優位性を実証するものである。
  論文  参考訳（メタデータ） (2024-07-24T18:05:13Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)

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。