UrbanSandbox

CityPlanner框架通过反馈循环实现可执行的城市规划

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。