数据派THU提出URBAN-SIM城市仿真方案，加速自主微型出行发展。包含城市生成、动态生成和场景采样模块，提升AI智能体在城市移动、导航和穿越方面的能力。
原文标题：【CVPR2025】通过可扩展城市仿真迈向自主微型出行
原文作者：数据派THU
冷月清谈：
怜星夜思：
2、URBAN-BENCH 使用了轮式和腿式机器人进行测试，你觉得未来哪种机器人会更适合城市微型出行？为什么？
3、文章提到了微型出行可以作为传统机动车出行的替代方案，你认为微型出行在解决城市交通问题方面有哪些优势和劣势？
原文内容
来源：专知本文约1000字，建议阅读5分钟在本研究中，我们提出了一种可扩展城市仿真解决方案，以推进自主微型出行的发展。
微型出行（Micromobility）是指使用轻量化的移动设备在城市公共空间中移动，例如配送机器人和电动代步车。它正逐渐成为传统机动车出行的有前景替代方案。目前的微型出行设备主要依赖人工操作（包括现场或远程控制），在面对充满不可预测障碍物与行人的繁忙城市环境时，存在安全性与效率方面的明显问题。利用人工智能智能体协助人类操控微型出行设备，为提升出行的安全性与效率提供了一种可行方案。
在本研究中，我们提出了一种可扩展城市仿真解决方案，以推进自主微型出行的发展。首先，我们构建了 URBAN-SIM ——一个高性能机器人学习平台，支持在交互式城市场景中对具身智能体进行大规模训练。URBAN-SIM 包含三个关键模块：
-
分层式城市生成流程（Hierarchical Urban Generation pipeline），
-
交互动态生成策略（Interactive Dynamics Generation strategy），
-
异步场景采样机制（Asynchronous Scene Sampling scheme），
这些模块共同提升了机器人学习过程中仿真环境的多样性、真实性与训练效率。
随后，我们提出 URBAN-BENCH ——一个评估AI智能体实现自主微型出行能力的任务与基准套件。URBAN-BENCH 包含基于三项核心技能（城市移动、城市导航、城市穿越）的八个关键任务，用于全面衡量AI智能体的性能表现。
我们在这些任务中评估了四种具身形式各异的机器人，包括轮式与腿式机器人。实验涵盖多样地形与城市结构，揭示了每种机器人在城市出行任务中的优势与局限性。
