論文の概要: Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation

• arxiv url: http://arxiv.org/abs/2607.20866v1
• Date: Thu, 23 Jul 2026 02:46:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.264481
• Title: Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation
• Title（参考訳）: エージェントデザイナ:構造を考慮した内部レイアウト生成のためのプログレッシブマルチエージェントコラボレーション
• Authors: Zhijing Yang, Haocheng Lin, Zhihua Xu, Haojie Li, Keze Wang, Liang Lin, Tianshui Chen,
• Abstract要約: Agentic Designerは、構造を意識した内部レイアウト生成を反復的かつ制約的に検証された決定プロセスとして定式化する、プログレッシブなフレームワークである。 提案、検証、合成、調整のモジュールステージにレイアウトを分解することで、フレームワークは3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。 この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。
• 参考スコア（独自算出の注目度）: 84.5255199507027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating realistic interior furniture layouts that strictly adhere to architectural constraints (e.g., walls, doors, and windows) remains a fundamental challenge in automated spatial design. Existing approaches, primarily based on one-shot generation using diffusion models or Large Language Models (LLMs), lack explicit mechanisms for intermediate geometric constraint verification, often resulting in structural collisions and functionally infeasible arrangements under complex room constraints. To address these challenges, we propose Agentic Designer, a progressive, multi-agent framework that formulates structure-aware interior layout generation as an iterative and constraint-verified decision process. By decomposing layout synthesis into modular stages of proposal, verification, and adjustment, the framework coordinates three specialized agents, a Generator, an Evaluator, and a Refiner, through a Progressive Consensus Mechanism. This mechanism enforces stepwise geometric validation and correction before each placement is committed, thereby preventing error accumulation. To facilitate this structure-aware paradigm and standardize evaluation, we establish InStruct, a comprehensive benchmark that integrates a dataset comprising over 18,000 high-quality, parametrically annotated samples with a novel suite of structure-centric metrics. Extensive quantitative evaluations, qualitative analyses, and user studies show that Agentic Designer significantly outperforms state-of-the-art methods, demonstrating substantial improvements in strict structural adherence and functional design coherence.
• Abstract（参考訳）: 建築上の制約(壁、ドア、窓など)を厳格に遵守する現実的な室内家具のレイアウトを生成することは、自動空間設計における根本的な課題である。 既存のアプローチは主に拡散モデルやLarge Language Models (LLM)を用いたワンショット生成に基づいており、中間的幾何学的制約検証の明確なメカニズムが欠如しており、しばしば構造的衝突や複雑な部屋の制約の下で機能的に不可能な配置をもたらす。 これらの課題に対処するために,構造を意識した内部レイアウト生成を反復的かつ制約的に検証した決定プロセスとして定式化する,プログレッシブでマルチエージェントなフレームワークであるエージェントデザイナを提案する。 提案、検証、調整のモジュールステージにレイアウト合成を分解することで、このフレームワークはプログレッシブ・コンセンサス・メカニズムを通じて3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。 この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。 InStructは、18,000以上の高品質なパラメトリックアノテートされたサンプルからなるデータセットを、構造中心メトリクスの新たなスイートに統合する総合的なベンチマークである。 大規模定量的評価,質的分析,ユーザスタディにより,エージェント・デザイナは最先端の手法を著しく上回り,厳密な構造的整合性と機能的設計コヒーレンスを著しく向上させた。

関連論文リスト

• From Application-Layer Simulation to Native Meta-Architecture: Structural Tension as an Endogenous Driver for Heterogeneous AI Evolution [0.0]
  現在の大規模言語モデル(LLM)は、推論セッション間でステートレスである。 本稿では,アプリケーション層認知プロトコルをネイティブなメタアーキテクチャに組み込むための理論的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-07-07T13:34:27Z)
• Towards Automated Ontology Generation from Unstructured Text: A Multi-Agent LLM Approach [1.029029220360574]
  大規模言語モデル(LLM)は将来性を示すが、どのアーキテクチャ設計が生成品質を駆動するかは定かではない。 本研究は、ドメイン固有の保険契約を用いて、これらの課題を調査するための制御された実験的研究である。 その結果,マルチエージェントアプローチは構造的品質を著しく向上し,クエリ可能性も適度に向上することがわかった。
  論文  参考訳（メタデータ） (2026-04-25T00:58:17Z)
• Architectural Design Decisions in AI Agent Harnesses [1.8222732878503212]
  本稿では,70件の公開エージェントシステムプロジェクトについて,プロトコル誘導型,ソースベースによる実証研究を行った。 5つの設計次元(サブエージェントアーキテクチャ、コンテキスト管理、ツールシステム、安全機構、オーケストレーション)を特定し、コーパスがファイルパーシスタント、ハイブリッド、階層的コンテキスト戦略を好んでいることを確認する。 軽量ツール,バランスのとれたCLIフレームワーク,マルチエージェントオーケストレータ,エンタープライズシステム,シナリオ仮想化プロジェクトなど,5つの繰り返し発生するアーキテクチャパターンを合成する。
  論文  参考訳（メタデータ） (2026-04-20T10:39:34Z)
• Generative Modeling in Protein Design: Neural Representations, Conditional Generation, and Evaluation Standards [3.8025175740783026]
  生成モデリングはタンパク質研究の中心的なパラダイムとなっている。 この調査は、予測モデリングから信頼性の高い機能駆動タンパク質工学への移行を加速することを目的としている。
  論文  参考訳（メタデータ） (2026-03-27T13:02:16Z)
• TopoOR: A Unified Topological Scene Representation for the Operating Room [54.50897207203292]
  手術シーングラフは外科手術室(OR)の複雑さを実体の構造とその関連性に抽象化する。 マルチモーダルな手術室を高次構造としてモデル化する新しいパラダイムであるTopoORを紹介する。 また,多様体の構造やモジュラリティに特有な特徴を明示的に保存する高次アテンション機構を提案する。
  論文  参考訳（メタデータ） (2026-03-10T10:19:42Z)
• Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
  RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。 複数の多様な実装設計を生成することで、線形パッチから切り離される。 NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
  論文  参考訳（メタデータ） (2026-03-02T12:50:40Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)

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。