都市における人間の移動パターンを現実的にシミュレーションするツールを開発し、大規模な軌跡データを生成する。
LLMとアビリティベースのフレームワークを活用することで、Down症候群を持つ人々のより包括的で正確な表現を実現し、共感と理解を深めることができる。
本研究では、わずか4つのIMUセンサを使用して、車いす利用者の上半身姿勢を高精度に推定するシステム「WheelPoser」を提案する。
LLMの一般人のロールプレイ能力を評価するECHOフレームワークを提案し、GPT-4やGPTsなどの手法を比較・分析した。