Problem

當前基礎模型在場景重建與具身智能雖有進展，但受限於缺乏大規模資料，AI 仍難以像人類般在數十平方公里的城市環境中，建立連貫的空間心智圖與感知能力。

Method

透過自動駕駛車隊收集涵蓋 18 條、平均長度達 83.7 公里的真實軌跡，建立 WildCity 多模態資料集。研究團隊針對城市環境優化重建基準，並將重建場景轉化為支援閉環操作的模擬器。

Results

資料集完整保留了動態物件、光影變化與不完美的相機位姿等真實感知挑戰。研究並針對數位孿生技術的擴張性、外推能力及不確定性進行系統性分析，提出可行的城市場景數位化方案。

Significance

本研究不僅推動城市規模的渲染技術，更為 AI 在複雜都市環境中的空間記憶與推理奠定基礎，致力於縮小人工智慧與人類認知在處理大規模地理空間資訊上的差距。