Urbex：智能体式城市级3D场景定位
AI 总结
arXiv 上发布了一篇题为《Urbex: Agentic Spatial Grounding for City-Scale 3D Scenes》的论文（作者为 Yu Wang、Rui Dai、Wei Chen 等 8 人），提出把城市级 3D 定位从候选排序改为主动空间搜索。Urbex 将城市场景表示为可交互的多视角环境，让视觉语言模型智能体查询地标、放大局部区域、渲染斜视角并给出定位框，并用强化学习在 CityRefer 上优化这一工具使用策略，配合平滑定位奖励和轻量塑形奖励促进探索。论文称其在 CityRefer 上取得最佳 Hit@1 与 IoU，无需预计算候选与真值框，速度明显快于最强的城市级排序基线，并在 STPLS3D-Refer 上的零样本结果显示出更好的跨场景鲁棒性；该论文标注为 NeurIPS 2026 接收，共 23 页、10 幅图。
深度见解
它把城市级 3D 定位重构为智能体主动搜索，绕开了对预计算候选框的依赖，或为大规模户外场景的空间理解提供更高效的路径。