Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

SOCIA: An End-to-End Agentic Framework for Automated Cyber-Physical-Social Simulator Generation

Created by
  • Haebom

저자

Yuncheng Hua, Ji Miao, Mehdi Jafari, Jianxiang Xie, Hao Xue, Flora D. Salim

개요

SOCIA는 대규모 언어 모델(LLM) 기반 다중 에이전트 시스템을 활용하여 고충실도 사이버-물리-사회 시스템(CPS) 시뮬레이터 생성을 자동화하는 새로운 엔드투엔드 프레임워크입니다. 수작업 시뮬레이터 개발 및 복잡한 데이터 보정의 어려움을 해결하기 위해, SOCIA는 데이터 이해, 코드 생성, 시뮬레이션 실행 및 반복적인 평가-피드백 루프 등의 작업을 조정하는 중앙 집중식 오케스트레이션 관리자를 통합합니다. 마스크 착용 행동 시뮬레이션(사회적), 개인 이동성 생성(물리적), 사용자 모델링(사이버)과 같은 다양한 CPS 작업에 대한 실증적 평가를 통해 SOCIA는 인간의 개입을 줄이면서 고충실도의 확장 가능한 시뮬레이션을 생성할 수 있음을 보여줍니다.

시사점, 한계점

시사점:
LLM 기반 다중 에이전트 시스템을 활용하여 CPS 시뮬레이터 개발의 효율성을 크게 향상시킬 수 있음.
고충실도의 확장 가능한 CPS 시뮬레이션을 자동으로 생성하여 복잡한 CPS 현상 연구에 기여할 수 있음.
인간의 개입을 최소화하여 시뮬레이션 개발 시간 및 비용을 절감할 수 있음.
한계점:
LLM의 성능에 의존적이며, LLM의 한계가 SOCIA의 성능에 영향을 미칠 수 있음.
다양한 CPS 시스템에 대한 일반화 능력에 대한 추가적인 연구가 필요함.
실제 세계 CPS 시스템과의 차이점 및 오류에 대한 분석 및 개선이 필요함.
👍