Urbex：将城市级3D定位改为主动空间搜索的VLM框架

Yu Wang 等作者团队发布论文（arXiv:2610.18356），提出智能体视觉语言框架 Urbex，将城市级三维场景定位从候选排序转变为主动空间搜索：VLM Agent 通过查询地标、缩放局部区域和渲染斜视图来定位目标。 据论文称，团队在 CityRefer 数据集上用强化学习优化工具使用策略，采用平滑定位奖励和轻量塑形奖励促进高效探索；实验显示 Urbex 在 CityRefer 上取得最优 Hit@1 和 IoU，支持无需真值框的免候选定位，且比最强的城市级排序基线明显更快。

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。