論文の概要: GreenPlanner: Practical Floorplan Layout Generation via an Energy-Aware and Function-Feasible Generative Framework

• arxiv url: http://arxiv.org/abs/2512.00406v1
• Date: Sat, 29 Nov 2025 09:35:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.224764
• Title: GreenPlanner: Practical Floorplan Layout Generation via an Energy-Aware and Function-Feasible Generative Framework
• Title（参考訳）: GreenPlanner:Energy-Aware and Function-Feasible Generative Frameworkによる実用的なフロアプランレイアウト生成
• Authors: Pengyu Zeng, Yuqin Dai, Jun Yin, Jing Zhong, Ziyang Han, Chaoyang Shi, ZhanXiang Jin, Maowei Jiang, Yuxing Han, Shuai Lu,
• Abstract要約: 設計評価と生成を統一するエネルギー・機能を考慮した生成フレームワークであるGreenPlannerについて述べる。 実験によると、GreenPlannerは、$105times$で99%の精度で評価を加速し、無効なサンプルを排除し、プロのアーキテクトよりも設計効率を87%向上する。
• 参考スコア（独自算出の注目度）: 14.121620451900235
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building design directly affects human well-being and carbon emissions, yet generating spatial-functional and energy-compliant floorplans remains manual, costly, and non-scalable. Existing methods produce visually plausible layouts but frequently violate key constraints, yielding invalid results due to the absence of automated evaluation. We present GreenPlanner, an energy- and functionality-aware generative framework that unifies design evaluation and generation. It consists of a labeled Design Feasibility Dataset for learning constraint priors; a fast Practical Design Evaluator (PDE) for predicting energy performance and spatial-functional validity; a Green Plan Dataset (GreenPD) derived from PDE-guided filtering to pair user requirements with regulation-compliant layouts; and a GreenFlow generator trained on GreenPD with PDE feedback for controllable, regulation-aware generation. Experiments show that GreenPlanner accelerates evaluation by over $10^{5}\times$ with $>$99% accuracy, eliminates invalid samples, and boosts design efficiency by 87% over professional architects.
• Abstract（参考訳）: 建築設計は人間の健康と二酸化炭素の排出に直接影響を及ぼすが、空間機能的でエネルギーに順応するフロアプランは手作業で、コストがかかり、スケールできないままである。 既存の手法は視覚的に妥当なレイアウトを生成するが、しばしば鍵制約に違反し、自動評価がないために無効な結果をもたらす。 設計評価と生成を統一するエネルギー・機能を考慮した生成フレームワークであるGreenPlannerについて述べる。 制約事前学習のためのラベル付き設計フィージビリティデータセット、エネルギー性能と空間機能的妥当性を予測するための高速な実用設計評価器(PDE)、規則に準拠したレイアウトでユーザ要求を合わせるためにPDE誘導フィルタから派生したグリーンプランデータセット(GreenPD)、制御可能で規制対応のソフトウェア生成のためのPDEフィードバックで訓練されたGreenFlowジェネレータで構成されている。 実験によると、GreenPlannerは10〜5}\times$以上で99%の精度で評価を加速し、無効なサンプルを排除し、プロのアーキテクトよりも設計効率を87%向上する。

関連論文リスト

• TrajDiff: End-to-end Autonomous Driving without Perception Annotation [65.49718343700319]
  エンドツーエンドの自動運転システムは、生センサ入力から直接駆動ポリシーを生成する。 TrajDiffはTrajectory-oriented BEV Conditioned Diffusionフレームワークであり、エンドツーエンドの自動運転のための知覚アノテーションのない生成方法を確立する。 NAVSIMベンチマークで評価すると、TrajDiffは87.5 PDMSを達成した。
  論文  参考訳（メタデータ） (2025-11-30T04:34:20Z)
• LeJEPA: Provable and Scalable Self-Supervised Learning Without the Heuristics [53.247652209132376]
  JEPA(Joint-Embedding Predictive Architectures)は、有望な青写真を提供するが、実践的なガイダンスや理論の欠如がアドホックな研究開発につながっている。 我々はJEPAの包括的な理論を示し、それをbf LeJEPAでインスタンス化する。
  論文  参考訳（メタデータ） (2025-11-11T18:21:55Z)
• A Framework for Task and Motion Planning based on Expanding AND/OR Graphs [3.1486269481946754]
  タスク・アンド・モーション・プランニング(TMP)は、自律的なサービス、表面操作、さらには軌道上でのミッションにおいて重要である。 本稿では、TMP-EAOGと呼ばれる拡張AND/ORグラフに基づくTMPフレームワークを導入し、異なるシナリオへの適応性を実証する。
  論文  参考訳（メタデータ） (2025-08-30T02:28:25Z)
• Tu(r)ning AI Green: Exploring Energy Efficiency Cascading with Orthogonal Optimizations [2.829284162137884]
  本稿では, エネルギー効率を第一級市民として, 計算集約パイプラインの基本設計として扱うことを強調する。 5つのAIパイプラインフェーズ(データ、モデル、トレーニング、システム、推論)の戦略的選択によって、カスケード効率が向上することを示す。 組み合わせによってエネルギー消費は94.6ドル%まで減少し、最適化されていないパイプラインの元々のF1スコアの95.95ドル%を維持できる。
  論文  参考訳（メタデータ） (2025-06-23T04:52:08Z)
• Question Answering for Decisionmaking in Green Building Design: A Multimodal Data Reasoning Method Driven by Large Language Models [13.501199715254906]
  グリーンビルの設計における意思決定(DGBD)は、建築エネルギーコストの削減に不可欠である。 多くの研究がこの分野に人工知能(AI)の手法を適用している。 本研究は,大規模言語モデルをDGBDと革新的に統合し,マルチモーダルデータ推論のための問合せフレームワークであるGreenQAを作成する。
  論文  参考訳（メタデータ） (2024-12-06T03:02:58Z)
• AutoPQ: Automating Quantile estimation from Point forecasts in the context of sustainability [0.7249177582307034]
  AutoPQは、スマートグリッドアプリケーションの確率予測を自動化し、最適化するために設計された新しい手法である。 条件付き可逆ニューラルネットワーク(cINN)を用いて、既存の点予測から量子予測を生成する。
  論文  参考訳（メタデータ） (2024-11-30T10:13:57Z)
• Rejecting Hallucinated State Targets during Planning [84.179112256683]
  計画過程において、生成的または予測的モデルは、期待される状態や望ましい状態の集合を表す「ターゲット」を提案するためにしばしば用いられる。 残念ながら、学習したモデルは必然的に幻覚を与え、妄想的な行動や安全上の懸念を引き起こす可能性がある。 我々は、目標実現可能性評価器を学習することで、実現不可能な目標を特定し、拒否する戦略を考案する。
  論文  参考訳（メタデータ） (2024-10-09T17:35:25Z)
• Energy-based Automated Model Evaluation [19.90797626200033]
  本稿では,AutoEvalフレームワークをより効率的かつ効果的にするための新しい手段として,Meta-Distribution Energy(MDE)を提案する。 MDEは、個々のサンプルに関連する情報(エネルギー)に基づいて、メタ分布統計を確立し、エネルギーベースの学習によってよりスムーズな表現を提供する。 我々は、MDEの有効性を検証するために、モダリティ、データセット、異なるアーキテクチャのバックボーンにわたる広範な実験を提供する。
  論文  参考訳（メタデータ） (2024-01-23T11:54:09Z)
• Efficiency Pentathlon: A Standardized Arena for Efficiency Evaluation [82.85015548989223]
  Pentathlonは、モデル効率の総合的で現実的な評価のためのベンチマークである。 Pentathlonは、モデルライフサイクルにおける計算の大部分を占める推論に焦点を当てている。 レイテンシ、スループット、メモリオーバーヘッド、エネルギー消費など、さまざまな効率面をターゲットにしたメトリクスが組み込まれている。
  論文  参考訳（メタデータ） (2023-07-19T01:05:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。