CubeletWorld：用于可扩展三维建模的新抽象

现代城市产生大量异构数据，涵盖基础设施地图、移动日志和卫星影像等。然而，将这些数据整合到用于规划和预测的连贯空间模型中，仍然是当前面临的主要挑战。现有的基于智能体的方法往往依赖直接环境感知，限制了可扩展性并引发隐私问题。本文引入 CubeletWorld，一种通过称为“小块”（cubelets）的离散化三维网格表示城市环境的新型框架。这种抽象通过将多样化的数据信号（如基础设施、运动或环境指标）嵌入局部小块状态，实现隐私保护建模。CubeletWorld 支持规划、导航和占用预测等下游任务，无需依赖智能体驱动的感知。为评估这一范式，本文提出了 CubeletWorld 状态预测任务，该任务通过离散化表示预测小块状态，包含街道和建筑等多种城市要素。我们探索了一系列适用于该设置的修改核心模型，并分析了随空间细化程度增加带来的挑战，具体包括表示稀疏性和基线方法的可扩展性问题。与现有三维占用预测模型不同，CubeletWorld 的小块中心方法侧重于推断空间单元层面的状态，从而实现跨区域更好的可泛化性和更好的隐私合规性。我们的结果表明，CubeletWorld 提供了一个灵活且可扩展的框架，用于从复杂的城市数据中进行学习，为社会人口统计建模、环境监测和紧急响应等领域开辟了新的可能性。该代码和数据集可在此处下载。