Editable Map-Conditioned Trajectory Generation for Human Mobility Simulation
Aggiunta all'archivio di AIChronos il (numero del 26 settembre 2026 ricostruito)· fonte del · Takayuki Mizuno, Shouji Fujimoto, Mikito Hiruki, Atushi Ishikawa
Il paper propone un metodo per la generazione autoregressiva della mobilità umana condizionata da mappe editabili, essenziale per simulare interventi infrastrutturali. L'approccio utilizza una griglia raster stradale come condizione di input per un decoder che emette token a intervalli di un minuto, supportando modifiche locali senza necessità di retraining o cambiamenti al vocabolario. Sono stati istanziati due architetture: ResNet-50 con visual-prefix e Vision Transformer (ViT) con cross-attention, addestrate su dati provenienti da smartphone in Giappone. I risultati dimostrano che le generazioni condizionate dalla mappa corretta sono statisticamente più vicine alle traiettorie reali rispetto a quelle generate con mappe mescolate localmente.
- Formulazione del problema come generazione autoregressiva condizionata alla mappa per simulare mobilità umana in risposta a modifiche infrastrutturali.
- Utilizzo di un vocabolario locale basato su mesh che permette l'editing della mappa senza retraining o alterazioni al lessico del modello.
- Valutazione tramite distanza energetica basata sul Hausdorff e DTW, mostrando una correlazione significativa (0.38) con la densità reale solo quando si usa la mappa corretta.
- Dimostrazione fattibilità di modificare le traiettorie generate (es. rimozione ponte) semplicemente aggiornando l'input della mappa senza riaddestramento.
- Confronto tra architetture ResNet-50 e ViT, quest'ultima risultata meno sensibile ai cambiamenti a livello di traiettoria rispetto alla prima.
Perché conta. Per gli sviluppatori che lavorano con agenti AI o simulazioni locali, questo approccio offre un meccanismo per aggiornare dinamicamente l'ambiente (mappe) senza il costo computazionale e temporale del fine-tuning completo di grandi modelli.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.