[論文レビュー] Urban Generative Intelligence (UGI): A Foundational Platform for Agents in Embodied City Environment

Fengli Xu, Jun Zhang+3 more|arXiv (Cornell University)|Dec 19, 2023

Human Mobility and Location-Based Analysis被引用数 6

ひとこと要約

本論文は、都市のデジタルツインと大規模言語モデル（LLM）を統合する基盤的プラットフォームである都市生成知能（UGI）を紹介する。このUGIにより、複雑な都市課題に対する身体的で言語駆動型のエージェントの構築が可能になる。都市GPT（CityGPT）—複数の都市データソースで事前学習されたドメイン特化型LLM—を活用することで、知識グラフと都市シミュレータを介して、自然言語ベースの対話的で都市システムのシミュレーションが可能となり、スケーラブルでオープンエンドの都市知能研究および応用が実現される。

ABSTRACT

Urban environments, characterized by their complex, multi-layered networks encompassing physical, social, economic, and environmental dimensions, face significant challenges in the face of rapid urbanization. These challenges, ranging from traffic congestion and pollution to social inequality, call for advanced technological interventions. Recent developments in big data, artificial intelligence, urban computing, and digital twins have laid the groundwork for sophisticated city modeling and simulation. However, a gap persists between these technological capabilities and their practical implementation in addressing urban challenges in an systemic-intelligent way. This paper proposes Urban Generative Intelligence (UGI), a novel foundational platform integrating Large Language Models (LLMs) into urban systems to foster a new paradigm of urban intelligence. UGI leverages CityGPT, a foundation model trained on city-specific multi-source data, to create embodied agents for various urban tasks. These agents, operating within a textual urban environment emulated by city simulator and urban knowledge graph, interact through a natural language interface, offering an open platform for diverse intelligent and embodied agent development. This platform not only addresses specific urban issues but also simulates complex urban systems, providing a multidisciplinary approach to understand and manage urban complexity. This work signifies a transformative step in city science and urban intelligence, harnessing the power of LLMs to unravel and address the intricate dynamics of urban systems. The code repository with demonstrations will soon be released here https://github.com/tsinghua-fib-lab/UGI.

研究の動機と目的

• 高度な都市シミュレーション技術と、複雑な都市課題の実用的解決との間の体系的格差を解消すること。
• 自然言語を用いて多様な都市タスクに適応する知的で身体的エージェントを構築できる統合的かつオープンなプラットフォームの開発。
• 大規模言語モデルを都市デジタルツインと知識グラフに統合し、現実的で動的な都市内相互作用のシミュレーションを可能にすること。
• 拡張可能でオープンな環境を提供することで、都市研究者や開発者のための多分野的協働を促進すること。
• 現実的でインタラクティブな都市環境において、スケーラブルで言語駆動型のエージェントシステムを通じて、出現的都市行動をシミュレートすること。

提案手法

• 都市シミュレータ、UrbanKG知識グラフ、自然言語インターフェースを統合した基盤的プラットフォームUGIの提案。
• 一般テキストおよび高品質なドメイン特化都市データ（都市知識やタスク解決プロセスを含む）で事前学習された基盤モデルであるCityGPTの導入。
• 自然言語インターフェースを活用して都市環境との対話的相互作用を可能にし、プロンプトまたはコードによるエージェント開発を可能に。
• MetaGPTにインspiredされたバッチプロンプティングおよびメッセージプールアーキテクチャを採用し、マルチエージェントシミュレーションにおける推論効率の向上とリソース消費の低減を実現。
• 都市空間構造、土地利用、インフラ、データソースのオープンな変更を可能にし、カスタマイズ可能な都市シミュレーションを実現。
• ユーザーが独自のアルゴリズムやデータソースを統合することで、新しい都市構造下での人間行動や都市ダイナミクスの生成を可能に。

Figure 1: Architecture of the foundational platform for urban generative intelligence.

実験結果

リサーチクエスチョン

• RQ1 大規模言語モデルをどのように都市デジタルツインに統合することで、知的で身体的エージェント行動を実現できるか？
• RQ2 多様な都市ドメインを横断して推論が可能な基盤モデル（CityGPT）を構築するためのアーキテクチャ的およびトレーニング戦略は何か？
• RQ3 言語駆動型エージェントは、現実的でインタラクティブな都市環境において、どれほど複雑で出現的な都市ダイナミクスをシミュレートできるか？
• RQ4 オープンで拡張可能なインfraは、都市シミュレーションおよびエージェント開発における多分野的イノベーションをどのように支援できるか？
• RQ5 大規模都市シミュレーションにLLM駆動エージェントを展開する際、発生するパフォーマンスとスケーラビリティのトレードオフは何か？

主な発見

• UGIは、シミュレートされた都市環境との自然言語相互作用を通じて、多様な都市タスクを実行可能な身体的で言語駆動型エージェントの開発を可能にする。
• 基盤モデルであるCityGPTは、タスク解決プロセスやドメイン固有の知識を含む多様な都市データで事前学習されることにより、都市ドメイン全体にわたり出現的推論能力を示す。
• 都市シミュレータ、UrbanKG、および言語インターフェースの組み合わせにより、リアルタイムで対話的な都市システムのシミュレーションが可能となり、動的なフィードバックとエージェントの適応が実現される。
• UGIにおけるバッチプロンプティング技術は、推論速度とコスト効率を最大5倍向上させ、マルチエージェント都市シミュレーションにおけるスケーラビリティを顕著に向上させる。
• オープンで拡張可能なアーキテクチャにより、都市空間構造、インフラ、データソースの変更が可能となり、カスタマイズ可能で再現可能な都市実験が実現される。
• 都市データ科学者、シミュレーションエンジニア、LLM研究者、都市分野の専門家が参加可能な多分野的開発者コミュニティの育成を促進する。

Figure 2: The framework of the open digital infrastructure.