Urbex：城市级3D场景智能体空间定位框架

2026年10月15日，arXiv Artificial Intelligence 发布 Yu Wang 等作者的研究，提出并发布 Urbex 智能体视觉语言框架。该框架将城市级 3D 定位从候选排序改为主动空间搜索，让 VLM 智能体查询地标、缩放局部区域、渲染斜视图并输出定位框。作者在 CityRefer 上使用强化学习优化工具使用策略，采用平滑定位奖励与轻量塑形奖励以提升探索效率。实验显示，Urbex 在 CityRefer 上取得最佳 Hit@1 和 IoU，支持无需候选框和真值框的定位，且比最强的城市级排序基线快得多；在 STPLS3D-Refer 上的零样本结果进一步显示跨场景鲁棒性提升。论文同时提供代码链接。目前进展为框架发布与基准实验结果公布。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。