Simulaciones inteligentes multimodales con LLMs, Sistemas multiagentes y Digital Twints para el estudio y reducción de la huella de carbono en las ciudades.
Aplicamos Sistemas Multiagente (MAS) con SPADE y Modelos de Lenguaje de Gran Escala (LLMs) en un Gemelo Digital (Digital Twin) basado en SimFleet para modelar y analizar la toma de decisiones sostenibles en entornos urbanos. Simulamos agentes con distintos perfiles y motivaciones para evaluar cómo sus comportamientos impactan la huella de carbono. A través de interacciones inteligentes y análisis de datos, identificamos patrones de movilidad, consumo energético y estrategias óptimas para reducir emisiones. La integración de LLMs permite generar escenarios realistas y optimizar decisiones en tiempo real. Este enfoque facilita la exploración de políticas urbanas sostenibles, ayudando a diseñar estrategias más eficientes para la transición ecológica de las ciudades.