**Urbex：面向城市级3D场景的智能体空间定位框架**

_Urbex: Agentic Spatial Grounding for City-Scale 3D Scenes_

> Urbex提出一种基于视觉语言模型（VLM）的智能体框架，将城市级3D空间定位重构为主动空间搜索任务。该框架通过强化学习优化工具使用策略，支持无候选框定位，在CityRefer数据集上取得最佳Hit@1和IoU表现，且推理速度显著快于现有排名基线。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-14 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.18356)