論文の概要: RoboLayout: Differentiable 3D Scene Generation for Embodied Agents
- arxiv url: http://arxiv.org/abs/2603.05522v2
- Date: Mon, 09 Mar 2026 14:05:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-15 16:38:22.376731
- Title: RoboLayout: Differentiable 3D Scene Generation for Embodied Agents
- Title（参考訳）: RoboLayout: 人工呼吸器の3Dシーン生成
- Authors: Ali Shamsaddinlou,
- Abstract要約: RoboはLayoutVLMの拡張として導入され、エージェント対応推論と安定性の向上によってオリジナルのフレームワークを拡張している。
Roboは、明示的な到達性制約を異なる空間的に可能なレイアウト最適化プロセスに統合し、反復的なレイアウトの生成と、実施エージェントによるアクションを可能にする。
全体としてRoboは、エージェント中心の屋内シーンに適用性を高めながら、強いセマンティックアライメントと物理的妥当性を維持している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent advances in vision language models (VLMs) have shown strong potential for spatial reasoning and 3D scene layout generation from open-ended language instructions. However, generating layouts that are not only semantically coherent but also feasible for interaction by embodied agents remains challenging, particularly in physically constrained indoor environments. In this paper, RoboLayout is introduced as an extension of LayoutVLM that augments the original framework with agent-aware reasoning and improved optimization stability. RoboLayout integrates explicit reachability constraints into a differentiable layout optimization process, enabling the generation of layouts that are navigable and actionable by embodied agents. Importantly, the agent abstraction is not limited to a specific robot platform and can represent diverse entities with distinct physical capabilities, such as service robots, warehouse robots, humans of different age groups, or animals, allowing environment design to be tailored to the intended agent. In addition, a local refinement stage is proposed that selectively reoptimizes problematic object placements while keeping the remainder of the scene fixed, improving convergence efficiency without increasing global optimization iterations. Overall, RoboLayout preserves the strong semantic alignment and physical plausibility of LayoutVLM while enhancing applicability to agent-centric indoor scene generation, as demonstrated by experimental results across diverse scene configurations.
- Abstract（参考訳）: 近年の視覚言語モデル(VLM)の進歩は,オープンエンド言語命令から空間推論や3次元シーンレイアウト生成に強い可能性を示している。
しかし, セマンティック・コヒーレントであるだけでなく, 生体内エージェントとの相互作用に有効であるレイアウトを生成することは, 特に物理的に制約された屋内環境では困難である。
本稿では,RoboLayoutをLayoutVLMの拡張として導入し,エージェント認識推論によるオリジナルのフレームワークの拡張と最適化安定性の向上を行う。
RoboLayoutは、明示的な到達性制約を差別化可能なレイアウト最適化プロセスに統合し、エンボディエージェントによってナビゲート可能で動作可能なレイアウトの生成を可能にする。
重要なことは、エージェント抽象化は特定のロボットプラットフォームに限らず、サービスロボット、倉庫ロボット、異なる年齢集団の人間、動物など、異なる物理的能力を持つ多様なエンティティを表現でき、環境設計を意図されたエージェントに合わせることができる。
さらに,各シーンの残りを固定しつつ,問題対象の配置を選択的に再最適化し,グローバルな最適化イテレーションを増大させることなく収束効率を向上する局所改善段階を提案する。
全体として、RoboLayoutはLayoutVLMの強いセマンティックアライメントと物理的妥当性を保ちつつ、エージェント中心の屋内シーン生成への適用性を高めている。
関連論文リスト
- SceneFoundry: Generating Interactive Infinite 3D Worlds [22.60801815197924]
SceneFoundryは、機能的な家具を備えたアパートスケールの3Dワールドを生成する言語誘導拡散フレームワークである。
本フレームワークは,多様なシーンタイプや環境にまたがって,構造的に妥当でセマンティック・コヒーレントで,機能的にインタラクティブな環境を生成する。
論文 参考訳（メタデータ） (2026-01-09T14:33:10Z) - DisCo-Layout: Disentangling and Coordinating Semantic and Physical Refinement in a Multi-Agent Framework for 3D Indoor Layout Synthesis [76.7196710324494]
3次元屋内レイアウト合成は仮想環境構築に不可欠である。
DisCoは、物理的および意味的な洗練を歪め、調整する新しいフレームワークである。
論文 参考訳（メタデータ） (2025-10-02T16:30:37Z) - Direct Numerical Layout Generation for 3D Indoor Scene Synthesis via Spatial Reasoning [30.400355766831307]
3D屋内シーン合成は、AIとデジタルコンテンツ作成の具体化に不可欠である。
既存のメソッドは、オープン語彙であり、きめ細かいユーザー指示に一致したシーンを生成するのに失敗する。
テキスト記述から数値的な3Dレイアウトを直接生成するフレームワークであるDirectを導入する。
論文 参考訳（メタデータ） (2025-06-05T17:59:42Z) - Agentic 3D Scene Generation with Spatially Contextualized VLMs [67.31920821192323]
本稿では,複雑な3D環境の生成,理解,編集を可能にする新しいパラダイムを提案する。
我々は,VLMが空間コンテキストから反復的に読み取って更新するエージェント型3Dシーン生成パイプラインを開発した。
その結果,我々のフレームワークは多様かつ困難な入力を処理でき,事前の作業では観測できないような一般化のレベルを達成することができることがわかった。
論文 参考訳（メタデータ） (2025-05-26T15:28:17Z) - LayoutVLM: Differentiable Optimization of 3D Layout via Vision-Language Models [57.92316645992816]
空間的推論は人間の認知の基本的側面であり、三次元空間における物体の直感的な理解と操作を可能にする。
視覚言語モデル(VLM)のセマンティック知識を活用するフレームワークおよびシーンレイアウト表現であるLayoutVLMを紹介する。
本稿では,既存のシーンデータセットから抽出したシーンレイアウト表現を用いた微調整VLMによる推論性能の向上を実証する。
論文 参考訳（メタデータ） (2024-12-03T06:15:04Z)
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。