[论文解读] Autonomous AI Agents for Real-Time Affordable Housing Site Selection: Multi-Objective Reinforcement Learning Under Regulatory Constraints

Olaf Yunus Laitinen Imanov, Duygu Erisken+3 more|arXiv (Cornell University)|Feb 3, 2026

Housing Market and Economics被引用 0

一句话总结

AURA 是一个分层的多智能体强化学习框架，通过联合优化多目标并确保硬性监管合规，进行实时、合规性可承受的住房用地选址，达到高帕累托性能和快速决策。

ABSTRACT

Affordable housing shortages affect billions, while land scarcity and regulations make site selection slow. We present AURA (Autonomous Urban Resource Allocator), a hierarchical multi-agent reinforcement learning system for real-time affordable housing site selection under hard regulatory constraints (QCT, DDA, LIHTC). We model the task as a constrained multi-objective Markov decision process optimizing accessibility, environmental impact, construction cost, and social equity while enforcing feasibility. AURA uses a regulatory-aware state encoding 127 federal and local constraints, Pareto-constrained policy gradients with feasibility guarantees, and reward decomposition separating immediate costs from long-term social outcomes. On datasets from 8 U.S. metros (47,392 candidate parcels), AURA attains 94.3% regulatory compliance and improves Pareto hypervolume by 37.2% over strong baselines. In a New York City 2026 case study, it reduces selection time from 18 months to 72 hours and identifies 23% more viable sites; chosen sites have 31% better transit access and 19% lower environmental impact than expert picks.

研究动机与目标

• 通过在大都会尺度快速、数据驱动地进行站点选址来应对全球经济适用房危机。
• 在优化循环中嵌入硬性监管约束，以确保在联邦和地方项目（QCT、DDA、LIHTC、LIHTC 配额、分区等）中的可行性。
• 在受约束的马尔可夫决策过程（MDP）框架内平衡四个目标——可及性、环境可持续性、施工成本和社会公平。
• 开发一个可扩展的多智能体架构，协调地理空间分析、合规性验证和帕累托前缘优化。

提出的方法

• 将站点选址表述为带有127条硬约束的受约束多目标 MDP（CMO-MDP）。
• 引入 AURA，一个四智能体层级：地理空间分析智能体（GAA）、监管合规智能体（RCA）、多目标优化智能体（MOOA）以及协同智能体（CA）。
• 开发结合连续地理空间特征与离散约束的监管感知状态表征。
• 提出帕累托约束 PPO（PC-PPO），在通过约束惩罚目标和显式可行性项强制可行性的同时学习帕累托前沿。
• 实现多保真度奖励，将即时成本与长期社会和环境影响区分开来，时间步抽象可达10年。
• 使用图神经网络进行空间编码、神经可满足性求解器进行约束求解，以及维持多样化偏好向量的帕累托前沿策略族。

实验结果

研究问题

• RQ1 如何将经济适用房选址在硬性监管要求下转化为带约束的多目标优化问题？
• RQ2 一个自治的多智能体系统是否能够在发现可行的帕累托权衡（可及性、环境影响、成本、社会公平）时尊重127条监管约束？
• RQ3 帕累托约束 PPO 方法是否比传统 MORL 或对约束不敏感的方法更快地产生可行的高质量帕累托前沿？
• RQ4 监管感知状态表示和多智能体协同对在大都市数据集中的解质量和合规率有何影响？

主要发现

• AURA 在8个美国城市中实现了 0.715 的超体积（hypervolume），合规率为 94.3%。
• AURA 在帕累托超体积上较最佳基线提升了 37.2%，并在多个目标上优于基线。
• 通过整合 RCA，监管合规性显著提升；若移除 RCA，合规率显著下降（78.4% 对 94.3%）。
• AURA 使站点选取速度大幅加速（72 小时对比 18 个月），并在受约束情况下识别出更多可行地点（如纽约市案例）。
• 部署结果显示，与人类专家选择相比，AURA 选址的站点在交通可达性提升 31%、环境影响降低 19%。
• 跨城市的结果显示，AURA 在帕累托前沿上持续支配基线，同时保持较强的公平性特征（类似基尼系数的不平等较低）。