研究人员推出CityPlanner,一个新颖的沙盒代理框架,专为可执行的城市规划任务设计。该系统利用UrbanSandbox,一个基于文件的环境,允许代理根据可执行的反馈生成、评估和修改计划。为了提高学习效率,CityPlanner采用原子任务强化学习,将初始计划构建与反馈驱动的改进分开。实验表明,在真实世界的城市规划基准测试中,CityPlanner的表现优于现有的启发式、任务特定强化学习和通用大型语言模型代理基线。 AI
影响 引入了一个新颖的代理框架,用于解决复杂的空间优化问题,有可能推动AI在城市规划和模拟中的应用。
排序理由 该集群描述了一篇详细介绍城市规划新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- BuildPlan
- CatalyzeX
- CityPlanner
- DagsHub
- Gotit.pub
- Hugging Face
- ImprovePlan
- ScienceCast
- UrbanSandbox
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →