TrajPrism：基于语言的城市轨迹理解的多任务基准

城市交通自然地表达为空间轨迹和旅行意图、约束和偏好的自然语言描述。然而，之前的工作很少在相同的现实世界轨迹上一起评估这两种模式：轨迹建模通常保持以几何为中心，而以语言为中心的移动基准经常针对路线规划和工具使用，而不是文本和底层路线之间的细粒度、可验证的对齐。我们引入了 TrajPrism，这是一种用于语言轨迹对齐的多任务基准，它统一了（i）指令条件轨迹生成、（ii）语言驱动的语义轨迹检索和（iii）轨迹字幕，以及衡量轨迹保真度、检索质量和语言基础的评估协议。我们通过将真实的城市轨迹与在四维旅行意图分类下生成的经过法官过滤的语言注释配对来构建 TrajPrism。该基准测试包含跨越波尔图、旧金山和北京的 30 万个选定轨迹，从三个指令变体、三个检索查询和每个轨迹一个标题生成 210 万个任务实例。我们进一步为每个任务开发概念验证模型：用于指令条件轨迹生成的 TrajAnchor、用于语义轨迹检索的 TrajFuse 以及用于轨迹字幕的 TrajRap。这些模型实例化了所提出的任务，并表明仅几何形状的轨迹基线在我们的协议上留下了很大的空白，特别是在语言是输入输出接口的一部分的情况下。我们发布了带有代码和可重复注释管道的 TrajPrism，该管道旨在在兼容的轨迹输入和地图资源的情况下跨城市移植。