TrajPrism：面向语言导向城市轨迹理解的多任务基准

城市移动方式自然地以空间中的轨迹以及旅行意图、约束和偏好的自然语言描述两种形式表达。然而，先前的工作很少在同一真实轨迹上同时评估这两种模态：轨迹建模通常局限于几何中心化，而语言导向的 mobility 基准常针对路线规划和工具使用，而非针对文本与底层路径之间的细粒度、可验证的对齐。我们引入TrajPrism，一个用于语言-轨迹对齐的多任务基准，统一（i）指令条件化的轨迹生成、（ii）语言驱动的语义轨迹检索、（iii）轨迹描述生成，以及衡量轨迹忠实度、检索质量和语言 grounding 的评估协议。我们通过在四维旅行意图分类法下生成的经判官筛选后的语言注释中构建TrajPrism，将真实城市轨迹与这些注释配对。该基准覆盖 Porto、旧金山和北京的 30 万条精选轨迹，产生 210 万个任务实例（来自三个指令变体、三个检索查询和每条轨迹一个描述）。我们进一步开发了每个任务的概念模型：TrajAnchor 用于指令条件化轨迹生成，TrajFuse 用于语义轨迹检索，TrajRap 用于轨迹描述。这些模型实现了所提出的任务，显示几何-only 轨迹基线在该评估协议下留有较大差距，尤其在语言是输入输出接口的一部分时。我们发布TrajPrism及其代码，并提供一个可在给定兼容轨迹输入和地图资源的城市间迁移的可复现标注管道。