Towards Urban Planing AI Agent in the Age of Agentic AI

📄 arXiv: 2507.14730v4 📥 PDF

作者: Rui Liu, Tao Zhe, Zhong-Ren Peng, Necati Catbas, Xinyue Ye, Dongjie Wang, Yanjie Fu

分类: cs.AI

发布日期: 2025-07-19 (更新: 2025-10-09)

备注: this more comprehensive version is under reviewed in ACM SIGKDD exploration

💡 一句话要点

面向Agentic AI时代，探索城市规划AI智能体，弥合生成式AI与领域工具鸿沟

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: Agentic AI 城市规划 生成式AI 大型语言模型 领域知识 智能体 自动化 参与式城市主义

📋 核心要点

  1. 现有生成式城市规划方法依赖于人为预定义的生成结构，缺乏灵活性和适应性。
  2. 论文提出Agentic城市AI规划师的概念，旨在融合Agentic AI与城市规划领域知识和工具。
  3. 该研究旨在弥合纯神经网络生成与领域专家工具之间的差距，提升城市规划的自动化和智能化水平。

📝 摘要（中文）

生成式AI、大型语言模型和Agentic AI正在城市规划领域崭露头角。AI与城市规划的融合为AI城市规划师的出现提供了机会。现有研究将城市规划概念化为生成式AI任务，AI在地理空间、社会和以人为本的约束下合成土地利用配置，并重塑自动化城市设计。然而，现有生成式城市规划研究存在关键差距：1) 生成结构必须预先定义，具有很强的假设性：对抗生成器-判别器、前向和逆向扩散结构、分层区域-POI生成结构都由人类预先定义；2) 忽略了领域专家开发的工具的力量：领域城市规划师在城市理论的指导下，在城市规划过程中开发了各种工具，而现有基于纯神经网络的生成忽略了城市规划实践者开发的工具的力量。为了解决这些局限性，我们概述了未来研究方向：Agentic城市AI规划师，呼吁Agentic AI和参与式城市主义的新综合。

🔬 方法详解

问题定义：现有生成式城市规划方法主要依赖于预定义的生成结构，例如对抗生成网络（GANs）或扩散模型。这些方法需要人为设定生成过程的各个环节，缺乏灵活性，难以适应复杂的城市规划场景。此外，现有方法往往忽略了城市规划领域专家长期积累的工具和知识，导致生成结果缺乏专业性和实用性。现有方法的痛点在于对先验知识的过度依赖和对领域工具的忽视。

核心思路：论文的核心思路是引入Agentic AI，构建一个能够自主学习、推理和决策的城市规划智能体。该智能体能够利用大型语言模型进行知识学习和推理，并能够调用和整合现有的城市规划工具，从而实现更加智能和灵活的城市规划过程。通过结合Agentic AI的自主性和领域工具的专业性，可以弥补现有生成式方法的不足。

技术框架：论文提出了一个Agentic城市AI规划师的框架，但具体的技术实现细节未知。根据论文描述，该框架可能包含以下几个主要模块：1) 知识学习模块：利用大型语言模型学习城市规划相关的知识和理论；2) 工具集成模块：将现有的城市规划工具集成到智能体中，使其能够调用这些工具进行分析和设计；3) 决策模块：根据学习到的知识和工具的分析结果，进行城市规划决策；4) 交互模块：与用户进行交互，获取反馈并进行调整。

关键创新：论文的关键创新在于提出了Agentic城市AI规划师的概念，将Agentic AI引入到城市规划领域。与现有的生成式方法相比，Agentic AI能够自主学习和决策，更加灵活和智能。此外，该方法强调领域工具的集成，能够充分利用领域专家的知识和经验。

关键设计：由于论文主要侧重于概念的提出，缺乏具体的技术细节，因此关键设计部分未知。未来的研究可能需要关注以下几个方面：1) 如何有效地利用大型语言模型学习城市规划知识；2) 如何将现有的城市规划工具集成到智能体中；3) 如何设计决策模块，使其能够根据学习到的知识和工具的分析结果，做出合理的城市规划决策；4) 如何设计交互模块，使其能够与用户进行有效的沟通和协作。

🖼️ 关键图片

fig_0

📊 实验亮点

由于该论文为概念性论文，并未进行实验验证，因此没有具体的实验结果和性能数据。其亮点在于提出了Agentic城市AI规划师的概念，为未来的研究方向提供了新的思路。

🎯 应用场景

该研究的潜在应用领域包括城市总体规划、土地利用规划、交通规划、环境规划等。通过Agentic城市AI规划师，可以提高城市规划的效率和质量，辅助规划师进行决策，并促进公众参与。该研究的实际价值在于能够实现更加智能和可持续的城市发展，未来影响在于推动城市规划领域的智能化转型。

📄 摘要（原文）

Generative AI, large language models, and agentic AI have emerged separately of urban planning. However, the convergence between AI and urban planning presents an interesting opportunity towards AI urban planners. Existing studies conceptualizes urban planning as a generative AI task, where AI synthesizes land-use configurations under geospatial, social, and human-centric constraints and reshape automated urban design. We further identify critical gaps of existing generative urban planning studies: 1) the generative structure has to be predefined with strong assumption: all of adversarial generator-discriminator, forward and inverse diffusion structures, hierarchical zone-POI generative structure are predefined by humans; 2) ignore the power of domain expert developed tools: domain urban planners have developed various tools in the urban planning process guided by urban theory, while existing pure neural networks based generation ignore the power of the tools developed by urban planner practitioners. To address these limitations, we outline a future research direction agentic urban AI planner, calling for a new synthesis of agentic AI and participatory urbanism.