360CityArena：面向具身智能体的真实城市导航基准

我们提出了360CityArena，这是一个基准测试，用于评估具身代理在由360度视频构建的逼真环境中的城市探索能力。现有的户外基准要么缺乏足够的逼真度，要么缺乏复杂性，导致与现实城市环境之间存在相当大的差距。360CityArena基于日本东京秋叶原地区的真实重建，使用了覆盖85条街道的602个360度视频片段，并包含175个精心人工设计的任务。它涵盖了三类任务：环境理解、路径推理和空间推理，覆盖了城市探索所需的基本能力，如定位、地标搜索、路径规划和关系空间推理，从而能够在现实城市场景中进行全面评估。我们使用基于最先进LMM的代理进行的评估显示，即使是最强大的模型Gemini 2.5 Flash，其表现也远低于人类水平（人类：77.3%对比Gemini 2.5 Flash：17.1%），揭示了在城市规模具身导航和推理中仍然存在的重大挑战。360CityArena为逼真的城区导航和空间推理提供了一个必要且具有挑战性的测试平台。