Urbex：面向城市级 3D 场景的智能体空间定位

Urbex 将城市级 3D grounding 从候选排序改为主动空间搜索，用 VLM agent 在交互式多视角环境中查询地标、缩放区域、渲染斜视图并提交 3D bounding box。该方法在 CityRefer 上以强化学习优化工具使用策略，取得最佳 Hit@1 和 IoU，支持无需候选和真实框的定位，并快于最强城市级排序基线。