MetaUrban：用于城市微交通的具身 AI 模拟平台

公共城市空间如街道景观和广场为居民服务，并容纳各种充满活力的社交活动。近期机器人学和具身 AI 的进展使得公共城市空间不再局限于人类。食物配送机器人和电动轮椅已开始与行人共享人行道，while 机器狗和人形机器人最近刚刚出现在街道上。基于 AI 的微交通对于短距离城市公共空间旅行在未来交通系统中起着关键作用。确保 AI 模型操控移动机器人的通用性和安全性至关重要。本文提出 MetaUrban，一个用于 AI 驱动的城市微交通研究的构成式模拟平台。MetaUrban 可以从构成元素构建出无限数量的交互式城市场景，涵盖各种地面平面图、物体布局、行人、易捕用户以及其他移动代理的外观和动态。我们设计点导航任务和社交导航任务作为使用 MetaUrban进行城市微交通研究的试点研究，并建立了 various 强化学习和模仿学习基线。我们在各种移动机器上进行了大规模评估，表明异构的机械结构对 AI 策略的学习和执行有显著影响。我们进行了详尽的消融研究，表明模拟环境的构成性质可以显著提高训练移动代理的通用性和安全性。MetaUrban 将对外公开，以提供研究机会并促进城市具身 AI 和微交通的安全可信。代码和数据集将对外公开。