MapAgent：面向城市级车道级制图的工业级智能体框架

车道级地图是自动驾驶和车道级导航的关键基础设施，但为数百个城市构建和维护标准化车道网络仍然是高度劳动密集型的。最近的端到端矢量化映射方法可以直接从传感器数据预测车道几何形状和拓扑，但它们通常将映射规范和交通法规视为隐式的、依赖于数据集的监督。此外，在复杂的场景中（例如磨损或缺失的标记和遮挡），仅靠视觉证据往往无法确定正确的车道配置，这使得规范违规成为人工后期编辑的主要来源。我们提出了 MapAgent，这是一种工业级代理架构，可以增强矢量化主干，以实现符合规范的车道地图生成。 MapAgent 不是仅仅在地图预测中添加代理循环，而是在有界的、验证驱动的 Judge-Planner-Worker 循环下将骨干感知与显式规范验证、约束感知推理和确定性地图编辑结合起来。视觉语言法官通过联合检查视觉证据和草稿向量来诊断错误，而工具调用规划器通过编辑后重新验证生成最少的纠正编辑。为了保持城市规模生产的可扩展性，MapAgent 仅在主干置信度较低的图块上有选择地触发，从而在保持吞吐量的同时增加了适度的开销。对现实世界数据集的实验表明，与强大的生产基线相比，有持续的收益，特别是在复杂和长尾的场景中。此外，MapAgent已集成到百度地图中，支持全国360多个城市的车道级地图生成，整体生产自动化率达到95%以上，体现了MapAgent在大规模车道级地图生成方面的实用性和有效性。