Resumen:La detección urbana participativa aprovecha la movilidad humana para la recopilación de datos urbanos a gran escala; sin embargo, los métodos existentes generalmente se basan en una optimización centralizada y asumen participantes homogéneos, lo que resulta en asignaciones rígidas que pasan por alto las preferencias personales y los contextos urbanos heterogéneos. Proponemos MAPUS, un marco de múltiples agentes basado en LLM para una detección urbana participativa personalizada y justa. En nuestro marco, los participantes son modelados como agentes autónomos con perfiles y horarios individuales, mientras que un agente coordinador realiza una selección consciente de la equidad y refina las rutas de detección a través de la negociación basada en el lenguaje. Los experimentos con conjuntos de datos del mundo real muestran que MAPUS logra una cobertura de detección competitiva al tiempo que mejora sustancialmente la satisfacción y la equidad de los participantes, promoviendo sistemas de detección urbanos más centrados en el ser humano y sostenibles.
Publicado originalmente en export.arxiv.org el 25 de marzo de 2026.
Ver fuente original
