CityPlanner는 실행 가능한 도시계획을 위한 샌드박스 에이전트 프레임워크로, 비용과 서비스 품질 같은 실제 목표 하에서 대규모 후보 공간에서 실행 가능한 조치를 선택하는 문제를 다룬다. 파일 기반 통합 환경 UrbanSandbox를 통해 에이전트가 과제 파일을 검토하고 계획을 세운 뒤 평가기를 실행해 실행 피드백에 따라 결정을 수정한다. 긴 샌드박스 궤적을 초기 구축(BuildPlan)과 피드백 기반 개선(ImprovePlan)으로 분해하는 원자적 과제 강화학습을 도입해 학습을 다루기 쉽게 만들었다. 실제 벤치마크 실험에서 CityPlanner는 휴리스틱, 과제별 RL, 범용 LLM 에이전트 베이스라인을 일관되게 능가했다.

• •파일 기반 통합 환경 UrbanSandbox로 실행 가능한 도시계획 에이전트 구현
• •긴 교적을 BuildPlan·ImprovePlan으로 분해하는 원자적 과제 강화학습 도입
• •휴리스틱, 과제별 RL, 범용 LLM 에이전트 베이스라인을 일관되게 능가
• •코드와 데이터셋을 공개해 재현 가능한 도시계획 AI 연구 기반 제공