Urbex：智能体主动搜索实现城市3D定位

Wang Yu 等人发布 Urbex，一个把城市级 3D 场景定位重构为主动空间搜索的智能体视觉语言框架。它让 VLM 智能体查询地标、缩放局部区域、渲染斜视角并输出定位框，在 CityRefer 上通过强化学习优化工具调用策略，取得最佳 Hit@1 和 IoU，且无需候选框与 ground-truth box，速度显著快于最强的城市级排序基线。 在 STPLS3D-Refer 上的零样本结果进一步显示跨场景鲁棒性提升。以上为该论文摘要中的说法。

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。