阿里 Urbex 把城市级 3D 定位改为主动空间搜索,CityRefer 刷新最佳

alibabagroup · hf · 2026-10-14

武汉大学与阿里 DreamX 团队提出 Urbex,将城市级 3D 视觉定位从候选排序改为主动空间搜索:把城市场景表示为交互式多视角环境,VLM agent 可查询地标、缩放局部区域、渲染斜视角并提交定位框;在 CityRefer 上用平滑定位奖励与轻量塑形奖励做强化学习优化工具使用策略。Urbex 取得 CityRefer 最佳 Hit@1 与 IoU,支持无需真值框的免候选定位,速度显著快于最强排序基线,并在 STPLS3D-Refer 上零样本泛化更好。代码开源。