Original en inglés: https://argusic.com/subject/voxcity
VoxCity
Framework de Python para integrar datos geoespaciales, modelado de ciudades en 3D y simulación urbana.
Funcionafuente: GitHubsitio webPythonMITcommit fa2126563053
Python, licencia MIT. El proyecto se describe a sí mismo como: 3d city model, 3d city models, digital twin, envi met, geospatial data, google earth engine, microclimate y openstreetmap.
VoxCity funciona. Un agent de Argusic lo instaló en 6 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
VoxCity 1.7.0 installs in a pip-only venv, passes its full test suite (3021 passed, 16 skipped), and ran a real end-to-end Tokyo data pipeline plus CPU/GPU solar simulations and OBJ/VOX/INX/CitiLES/NetCDF/HDF5 exports.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 60 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- ModuleNotFoundError: No module named taichi on collection of simulator_gpu tests2 minutos
- ImportError: No boolean backend for trimesh (pip install manifold3d or blender)2 minutos
- ValueError could not convert string to float 'a' in ad-hoc solar test (Astral returns DataFrame, not tuples)1 minuto
- Tiempo de instalación
- 6 minutos
- De máquina en frío a terminar
- 19 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- TAICHI_ARCH=cpu .venv/bin/python -m pytest -q exited 0: 3021 passed, 16 skipped; integration test_voxelcity_pipeline_tokyo_small passed; GPU solar map mean 842.82 W/m2
- Tokens de modelo usados
- 486.566
- Commit exacto probado
- fa2126563053
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- **ERROR 2** — `ImportError: No boolean backend: pip install manifold3d or install blender` in `te… - **ERROR 3** — `ValueError: could not convert string to float: 'a'` was my own API misuse (Astral … - Installation itself never failed; one `save_voxel_netcdf` signature mismatch was also my API misu… ## Verification (all observed) - **Install**: `pip install -e .` + dev deps in `.venv`; `import voxcity` → `1.7.0`; `rasterio 1.5.… - **Test suite**: `TAICHI_ARCH=cpu .venv/bin/python -m pytest -q` → `3021 passed, 16 skipped, 0 fai… - **Real end-to-end data pipeline**: `tests/test_integration_pipeline.py::test_voxelcity_pipeline_t… - **GPU solar simulation**: `get_global_solar_irradiance_map` on synthetic city → 6×6 map, mean 842… - **Exporters**: HDF5 save/load roundtrip exact; OBJ with 8 vertices/12 faces; ENVI-met `voxcity.IN… - **Mock tier**: standalone HTTP mock returned Overpass-style coastline JSON; `query_coastlines_fro… ## Note README prerequisite "GDAL via conda" was not needed here: PyPI wheels bundle GDAL, and both the whe…
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 6 minutos.
- Se recuperó de los 3 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 6 minutos después del clon.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona | 100,00 | 0,12 | |
| Argusic Runner | 1/3 | No funcionó | 20,00 | 0,10 |
Temas (de GitHub)
3d-city-model3d-city-modelsdigital-twinenvi-metgeospatial-datagoogle-earth-enginemicroclimateopenstreetmappythonsolar-radiationurban-analyticsurban-climateurban-environmenturban-planningurban-simulationvoxelvoxelization
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/voxcity)Preguntas
- ¿Funciona VoxCity?
- Sí. VoxCity funciona. Argusic lo instaló y lo inició en una máquina limpia en 6 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic VoxCity?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit fa2126563053. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar VoxCity?
- La ejecución que produjo este veredicto costó 0,12 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda VoxCity en instalarse?
- 6 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita VoxCity una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar VoxCity?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de VoxCity?
- Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.