論文の概要: CityReal: Human-Aligned Urban Behavior and City Dynamics Simulation with Large-Scale LLM Agents

• arxiv url: http://arxiv.org/abs/2608.16897v1
• Date: Wed, 08 Jul 2026 07:10:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.244015
• Title: CityReal: Human-Aligned Urban Behavior and City Dynamics Simulation with Large-Scale LLM Agents
• Title（参考訳）: CityReal: 大規模LLMエージェントを用いた都市行動と都市動態シミュレーション
• Abstract要約: 大規模都市シミュレーションは社会科学、交通安全、交通政策において重要な役割を果たしている。 近年の研究では、大規模な言語モデルがエージェントとして起動すると、都市規模で生活に似た日常的なルーチンを生成することが示されている。 都市シミュレーションのためのモジュラーフレームワークであるCityRealを紹介する。
• 参考スコア（独自算出の注目度）: 0.34410212782758043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale urban simulation plays a pivotal role in social science, traffic safety, and transportation policy. Recent work has shown that large language models, when prompted as agents, can generate lifelike daily routines at city scale. Yet these methods typically rely on few-shot prompting, causing agents to reproduce the LLM's behavioral priors rather than the target population. We introduce CityReal, a modular framework for human-aligned urban simulation. CityReal models agents as intention-driven decision makers that pursue coherent mobility and activity plans rather than isolated step-by-step choices. They adapt over time by learning habits and preferences based on experience and constraints. To improve population-level realism, we learn textual adapters for behavior modules that align agent decisions with observed population statistics. Experiments show that CityReal improves alignment with real-world human behavior at both micro and macro levels. Scaling to tens of thousands of agents, it supports analysis of crowd density, place popularity, mobility flows, and well-being under different urban scenarios, offering a scalable testbed for urban simulation and forecasting.
• Abstract（参考訳）: 大規模都市シミュレーションは社会科学、交通安全、交通政策において重要な役割を果たしている。 近年の研究では、大規模な言語モデルがエージェントとして起動すると、都市規模で生活に似た日常的なルーチンを生成することが示されている。 しかし、これらの手法は典型的には数発のプロンプトに依存しており、エージェントは標的の個体群ではなく、LLMの行動前兆を再現する。 都市シミュレーションのためのモジュラーフレームワークであるCityRealを紹介する。 CityRealは、分離されたステップバイステップ選択ではなく、コヒーレントなモビリティとアクティビティプランを追求する意図駆動型意思決定者としての役割を担っている。 経験や制約に基づいて習慣や好みを学ぶことによって、時間とともに適応する。 人口レベルのリアリズムを改善するために、エージェント決定を観察された人口統計と整合させる行動モジュールのテキストアダプタを学習する。 実験により、CityRealはマイクロレベルとマクロレベルでの実際の人間の行動との整合性を改善することが示された。 数万のエージェントにスケールし、群衆密度の分析、場所の人気、移動フロー、そして異なる都市シナリオ下での健康状態の分析をサポートし、都市シミュレーションと予測のためのスケーラブルなテストベッドを提供する。

関連論文リスト

• CityBehavEx: A Scalable and Empirically Validated LLM-Assisted Urban Simulation Platform [1.7205106391379026]
  本稿では,都市規模に規模を拡大するLLM支援型都市シミュレーションプラットフォームであるCityBehavExを紹介する。 CityBehavExは、エージェントアクションごとに大きな言語モデルを呼び出す代わりに、確立した人間のモビリティモデルと微調整のクロスエンコーダを組み合わせる。 この設計は大規模なシミュレーションを可能にし、75日間に10,000人のエージェントが1つのコンシューマGPU上で1時間以下で実行されたケーススタディで示されている。
  論文  参考訳（メタデータ） (2026-07-13T19:03:25Z)
• SimuRA: A World-Model-Driven Simulative Reasoning Architecture for General Goal-Oriented Agents [15.91448165400836]
  SimuRAは汎用エージェント推論のための目標指向アーキテクチャである。 我々は、オープンソースの研究デモとして、SimuRA上に構築されたWebブラウジングエージェントReasonerAgent-Webをリリースした。
  論文  参考訳（メタデータ） (2025-07-31T17:57:20Z)
• CitySim: Modeling Urban Behaviors and City Dynamics with Large-Scale LLM-Driven Agent Simulation [1.2430809884830318]
  我々は都市シミュレーター(CitySim)を構想し、大規模言語モデルで示す人間レベルのインテリジェンスにおけるブレークスルーを生かした。 CitySimでは、必須活動、個人の習慣、状況要因のバランスをとる価値駆動アプローチを使用して、エージェントが現実的な日々のスケジュールを生成する。 CitySimは、マイクロレベルとマクロレベルの両方において、以前の作業よりも実際の人間と密接な関係を示す。
  論文  参考訳（メタデータ） (2025-06-26T23:11:42Z)
• MobileCity: An Efficient Framework for Large-Scale Urban Behavior Simulation [24.339278159507035]
  我々は,高計算効率で現実的な都市移動をモデル化する軽量なシミュレーションプラットフォームMobileCityを提案する。 本稿では,複数の輸送モードを有する総合交通システムを導入し,回答者のアンケートデータを収集してエージェントプロファイルを構築する。 スケーラブルなシミュレーションを実現するため、エージェントは事前に生成されたアクション空間内でアクション選択を行い、ローカルモデルを使用してエージェントメモリの効率的な生成を行う。
  論文  参考訳（メタデータ） (2025-04-18T07:01:05Z)
• GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
  我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。 我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。 我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
  論文  参考訳（メタデータ） (2024-10-06T05:02:23Z)
• MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
  最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。 公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。 本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
  論文  参考訳（メタデータ） (2024-07-11T17:56:49Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)

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。