摘要
针对城市更新中手动修改地理空间布局效率低下的问题，本文将其形式化为机器可执行任务。研究利用 GeoJSON 表示城市布局，将自然语言指令分解为涵盖多边形、线和点的分层几何意图。为此，提出一种分层智能体框架，通过显式传播中间空间约束，协同跨空间元素和抽象层的依赖编辑。此外，引入迭代执行验证机制以减轻误差积累并确保全局空间一致性。实验表明，该方法在效率、鲁棒性及空间有效性上显著优于现有基线。
AI 推荐理由
论文提出分层智能体框架，核心在于多步任务规划、依赖管理及层级化执行策略。
研究机构
美国南卡罗来纳大学, 美国国家航空航天局戈达德太空飞行中心, 美国佛罗里达州立大学
美国南卡罗来纳大学
论文信息