論文の概要: AgenticMobility: An Open-Source Platform for Multi-AI-Agent Mobility Dynamics
- arxiv url: http://arxiv.org/abs/2611.01918v1
- Date: Sun, 01 Nov 2026 13:58:00 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 19:38:06.530136
- Title: AgenticMobility: An Open-Source Platform for Multi-AI-Agent Mobility Dynamics
- Title（参考訳）: AgenticMobility: マルチAI-Agentモビリティダイナミクスのためのオープンソースプラットフォーム
- Abstract要約: AgenticMobilityは、モビリティAIエージェントや他のAIエージェントのインタラクションを研究するための、オープンソースのプラットフォームである。
予備的なデモは、5つの構成それぞれで100日をシミュレーションし、構成毎に1回、シミュレーションシードを共有する。
軌道は、出発時の調整や、コントロールトリップと人口全体の結果の相違とともに安定した経路選択を示す。
- 参考スコア（独自算出の注目度）: 19.46152987829868
- License:
- Abstract: Understanding mobility dynamics and the effects of urban transportation management policies requires examining how individual travel decisions, traffic conditions, and policy interventions influence one another over time. We present AgenticMobility, an open-source experimental platform for studying how mobility AI agents and other AI agents interact, adapt through repeated experience, and collectively shape mobility outcomes. Persistent agents retain identities and relevant states across rounds, with explicit interfaces defining information access, admissible actions, and decision schedules; linked records trace decisions, execution, and feedback. In the current implementation, large language model (LLM) agents act as travelers choosing routes and departure times and as a manager periodically adjusting link charges within MATSim. A preliminary demonstration spans 100 simulated days in each of five configurations, with one run per configuration and a shared simulation seed. In the joint traveler--manager run, all 1,179,300 finalized target decisions satisfied action constraints; execution checks verified implementation of accepted choices and preservation of personal memories across days. Trajectories show stable route choices alongside departure-time adjustments and differences between controlled-trip and population-wide outcomes. The platform supports experiments on individual adaptation, collective outcomes, and management interventions by varying information access, retained experience, and management feedback. Source code is available at https://github.com/Agentic-City-Research/Agentic-Mobility
- Abstract（参考訳）: 移動力学と都市交通管理政策の効果を理解するためには、個々の旅行決定、交通条件、政策介入が時間とともにどのように影響するかを調べる必要がある。
AgenticMobilityは、移動AIエージェントと他のAIエージェントがどのように相互作用し、繰り返しの経験を通して適応し、集合的に移動結果を形成するかを研究する、オープンソースの実験プラットフォームである。
永続的エージェントは、情報アクセス、許容可能なアクション、決定スケジュールを定義する明示的なインターフェースで、ラウンド全体でIDと関連する状態を保持します。
現在の実装では、大型言語モデル(LLM)エージェントが旅行者としてルートと出発時間を選択し、管理者はMATSim内のリンク料金を定期的に調整する。
予備的なデモは、5つの構成それぞれで100日をシミュレーションし、構成毎に1回、シミュレーションシードを共有する。
共同走行では,1,179,300人の最終目標決定が行動制約を満たした。
軌道は、出発時の調整や、コントロールトリップと人口全体の結果の相違とともに安定した経路選択を示す。
このプラットフォームは、個別の適応、集合的な成果、および様々な情報アクセス、維持された経験、および管理フィードバックによる管理介入の実験をサポートする。
ソースコードはhttps://github.com/Agentic-City-Research/Agentic-Mobilityで入手できる。
関連論文リスト
- Beyond Trajectory Statistics: Community-Consistent Human Mobility Generation via Evolving User-Location Graphs [47.955348519844016]
本研究では,ユーザエージェント,位置情報エージェント,グローバルマネージャエージェントを用いて,コミュニティに一貫性のある人的モビリティ生成について検討する。
MOTIONはユーザエージェント、ロケーションエージェント、グローバルマネージャエージェントで構成される。
実験の結果、MOTIONは個々の軌跡、人口とフローの分布、およびコミュニティとグラフ構造の指標で、少なくとも4.05%のベースラインを上回ります。
論文 参考訳（メタデータ） (2026-10-20T16:21:17Z) - Towards Adaptive and Real-Survey-Aligned Simulated Urban Mobility Behaviour of Generative Agents [0.0]
トゥールーズ(フランス)における日々のマルチモーダルモビリティのエージェントベースモデルの構築
我々は15人の意思決定者のパフォーマンスを比較する(簡単なベースライン、調査に適合したモデル、最小限のプロンプトと調整されたプロンプト付きGA、型付き分類器)。
本研究の結果から, 交通障害を伴わずに模擬日のモーダル分割において, 調整したプロンプトを持つGAは, 旅行による移動ではなく, 適合したモデルに近づいたことが示唆された。
本研究の結果は,都市型モビリティサービスの改善に創発的エージェントベース・モデリングを適用したい政策立案者やサービス提供者への関心を喚起するものである。
論文 参考訳（メタデータ） (2026-10-14T14:22:26Z) - VehicleArena: A Realistic Urban Environment for Multi-Agent Driving [49.5221375479554]
VehicleArenaは、ダイナミックな共有世界で独立して運用するエージェントを研究するための3D都市走行ベンチマークである。
各エージェントの運転決定は、周囲のエージェントに対するトラフィックフロー、遅延、リスク、およびその後の観察を再形成することができる。
最も高い到着率はシングルエージェントタスクで65.0%、マルチエージェントタスクで65.6%である。
論文 参考訳（メタデータ） (2026-09-28T09:48:11Z) - From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。
世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。
我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
論文 参考訳（メタデータ） (2026-07-13T15:22:56Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Learning to Communicate with Reinforcement Learning for an Adaptive
Traffic Control System [0.0]
適応的交通制御システム(ATCS)上での学習情報を用いた,コミュニケーションのない独立したQ-ラーニング(IQL)と識別可能なエージェント間ラーニング(DIAL)について検討する。
以上の結果から,DIALエージェントは,他のエージェントと関連する情報を共有できるため,トレーニング時間と最大報酬の両方において,独立したQ-Larnerよりも優れていた。
論文 参考訳（メタデータ） (2021-10-29T13:46:15Z)
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。