[論文レビュー] Autonomous AI Agents for Real-Time Affordable Housing Site Selection: Multi-Objective Reinforcement Learning Under Regulatory Constraints

Olaf Yunus Laitinen Imanov, Duygu Erisken+3 more|arXiv (Cornell University)|Feb 3, 2026

Housing Market and Economics被引用数 0

ひとこと要約

AURA は、複数の目的を共同最適化し、ハードな規制遵守を保証することにより、リアルタイムで規制を意識した手頃な住宅サイト選定を行う階層的なマルチエージェント強化学習フレームワークであり、高い Pareto パフォーマンスと迅速な意思決定を実現します。

ABSTRACT

Affordable housing shortages affect billions, while land scarcity and regulations make site selection slow. We present AURA (Autonomous Urban Resource Allocator), a hierarchical multi-agent reinforcement learning system for real-time affordable housing site selection under hard regulatory constraints (QCT, DDA, LIHTC). We model the task as a constrained multi-objective Markov decision process optimizing accessibility, environmental impact, construction cost, and social equity while enforcing feasibility. AURA uses a regulatory-aware state encoding 127 federal and local constraints, Pareto-constrained policy gradients with feasibility guarantees, and reward decomposition separating immediate costs from long-term social outcomes. On datasets from 8 U.S. metros (47,392 candidate parcels), AURA attains 94.3% regulatory compliance and improves Pareto hypervolume by 37.2% over strong baselines. In a New York City 2026 case study, it reduces selection time from 18 months to 72 hours and identifies 23% more viable sites; chosen sites have 31% better transit access and 19% lower environmental impact than expert picks.

研究の動機と目的

• メトロポリタン規模での迅速なデータ駆動型サイト選定を実現し、世界的な手頃な住宅危機に対処する。
• 連邦および地方プログラム（QCT、DDA、LIHTC、LIHTC 配分、ゾーニング）に対する実現可能性を確保するため、最適化ループにハードな規制制約を組み込む。
• 制約付きMDPフレームワークの中で、アクセス性、環境持続可能性、建設コスト、社会的公平性の四つの目的をバランスさせる。
• 地理空間分析、コンプライアンス検証、パレート前方最適化を協調させるスケーラブルなマルチエージェントアーキテクチャを開発する。

提案手法

• サイト選定を127のハード制約を持つ制約付き多目的MDP（CMO-MDP）として定式化する。
• 四つのエージェント階層を導入する：地理空間分析エージェント（GAA）、規制コンプライアンスエージェント（RCA）、多目的最適化エージェント（MOOA）、協調エージェント（CA）。
• 連続的な地理空間特徴と離散的制約を組み合わせた規制意識型状態表現を開発する。
• PC-PPO（Pareto-Constrained PPO）を提案し、制約ペナルティ付き目的関数と明示的な実現可能性項を用いて実現可能性を守りつつ Pareto front を学習する。
• 即時コストと長期的な社会・環境影響を分離する多忠実度報酬を実装し、時間抽象度を最大10年まで用いる。
• 空間エンコーディングにはグラフニューラルネットワーク、制約にはニューラル満足度ソルバーを使用し、異なる嗜好ベクトルを持つパレート前方を維持するポリシー集団を管理する。

実験結果

リサーチクエスチョン

• RQ1 ハードな規制要件の下で、制約付き多目的最適化問題として手頃な住宅サイト選定をどのように定式化できるか。
• RQ2 autonomousなマルチエージェント系は127の規制制約を遵守しつつ、 accessibility、環境影響、コスト、社会的公平性の間のパレート最適なトレードオフを発見できるか。
• RQ3 Pareto-constrained PPO アプローチは、従来の MORL や制約非依存法よりも高速に実現可能で高品質な Pareto front を提供できるか。
• RQ4 規制意識型状態表現とマルチエージェント協調が、大規模都市データにおける解の質と遵守率に与える影響は何か。

主な発見

• AURA は 0.715 のハイパーボリュームを達成し、8つの米国都市で規制遵守率 94.3% を達成した。
• AURA は Pareto ハイパーボリュームを最良のベースラインより 37.2% 向上させ、複数の目的に対してベースラインを上回った。
• 規制遵守は RCA の統合により大幅に向上し、RCA を除くと遵守率が急落（78.4% 対 94.3%）。
• AURA はサイト選定をはるかに迅速に実行可能とし（72時間対 18か月）、制約下でより多くの実行可能な場所を特定した（例：NYC ケース）。
• デプロイメント結果は、AURA によって選定されたサイトが人間の専門家選定より transit アクセシビリティが 31%向上、環境影響が 19%低減。
• 都市を超えて、AURA は Pareto front で一貫してベースラインを凌駕しつつ、所得格差のような公平性指標を強く維持した（Gini に類する不平等が低い）。