Lingjing：开放式城市中多智能体具身任务的仿真试验床

城市具身智能需要动态城市中异构智能体（如无人机、地面机器人与自动驾驶车辆）之间的协作。因此，仿真器为开发和评估此类协作提供了可扩展的基础。然而，现有平台将不同具身形态彼此隔离，并将其与任务设计和评估解耦。我们提出Lingjing，一个面向开放式城市环境中异构多智能体具身智能的仿真平台。Lingjing从地理数据重建并渲染演化中的城市，同步多个物理引擎，并向智能体暴露共享的物理与结构化城市状态。其类Gym接口支持用户自定义的ReAct智能体，以及带可配置星形或广播通信与资源约束的单/多智能体自然语言任务。每个回合都成为可归因的回放，将智能体轨迹与通信关联到关系图变化、资源消耗与基于引擎的评估，便于系统化诊断。我们在共享的引擎在环（engine-in-the-loop）协议下，在九个城市任务上评估十二个视觉语言模型。受控研究进一步考察通信、可扩展性、鲁棒性与失败溯源。结果暴露了锚定与长程执行方面的持续瓶颈，还显示了依赖任务的协作权衡与增加容量带来的收益递减，而更重的工作负载进一步降低成功率。Lingjing提供了一个统一试验床，支持城市多智能体具身智能的可复现端到端评估与系统化失败诊断。