VehicleArena：多智能体驾驶的现实城市环境

现实世界的具体主体通常在共享的物理环境中追求独立的目标，他们的行为可以改变其他人面临的条件。然而，现有的基准通常假设共享目标或明确规定的交互协议，从而使这种新兴的物理耦合未被充分探索。我们推出了 VehicleArena，这是一个 3D 城市驾驶基准，用于研究动态共享世界中独立操作的Agent。在VehicleArena中，LLM控制的Agent必须在复杂的交通中满足不断变化的乘客请求，并且每个Agent的驾驶决策可以重塑交通流、延误、风险以及对周围Agent的后续观察。该基准测试提供了涵盖单智能体和多智能体驾驶的 112 项评估任务。在九个评估模型中，单智能体任务的最高到达率仅达到 65.0%，多智能体任务的最高到达率仅为 65.6%，而强烈的乘客要求或客舱评分并不能可靠地转化为成功完成行程。此外，在匹配的多智能体运行中，每个测试的焦点策略都会相对于模拟器的本地交通控制器降低周围车辆的到达率，从而揭示焦点车辆本身之外的可测量的外部性。