論文の概要: BrickWright: Agentic Creation of Physically Feasible Brick Builds
- arxiv url: http://arxiv.org/abs/2610.31651v1
- Date: Thu, 22 Oct 2026 17:57:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.512545
- Title: BrickWright: Agentic Creation of Physically Feasible Brick Builds
- Title（参考訳）: BrickWright: 物理的に実現可能なBrickビルのエージェント作成
- Abstract要約: コーディングエージェントは、ますます3Dモデリングに精通している。
しかし、物理的な世界で組み立てられるオブジェクトを構築する際には、依然として課題に直面している。
テキストや画像プロンプトから物理的に実現可能なブリックビルドを生成するためのフレームワークであるBrickWrightを紹介します。
- 参考スコア（独自算出の注目度）: 75.73703908821068
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Frontier coding agents are becoming increasingly adept at 3D modeling. Yet, they still face challenges when building objects meant to be assembled in the physical world, often creating invalid assemblies with floating, colliding, or disconnected parts. We argue that providing agents with tools for assembling builds and verifying their physical feasibility is sufficient for them to produce physically valid assemblies that still adhere to input prompts. Focusing on the domain of LEGO brick builds, we present BrickWright, a framework for generating physically feasible brick builds from text or image prompts using pre-trained agents, where a build is physically feasible if it uses only real parts, has no colliding or floating parts, and forms a connected structure if possible. BrickWright guides agents to create builds by writing code with BrickLayer, a Python toolkit with two main components: an ergonomic brick assembly API that halves inference cost compared to working in raw LDraw, and a validator that provides feedback on physical feasibility. Whereas baseline agents achieve physical validity rates ranging from only 9% (GPT-6 Luna) to 69% (GPT-6 Astra), BrickWright-guided agents achieve 100% validity on a sample of 512 prompts, while improving prompt adherence for lightweight agents and maintaining it for stronger agents. Additionally, they outperform specialized models on the text-to-brick task. Code is available on our project page: https://avalovelace1.github.io/brickwright/
- Abstract（参考訳）: 最先端のコーディングエージェントは、ますます3Dモデリングに精通している。
しかし、物理的な世界で組み立てられるオブジェクトを構築する際にはまだ課題に直面しており、しばしば浮かんだり、衝突したり、切断された部品で無効なアセンブリを作る。
エージェントにビルドを組み立て、それらの物理的実現性を検証するツールを提供することは、入力プロンプトに固執する物理的に有効なアセンブリを生成するのに十分である、と我々は主張する。
LEGOのブロックビルドのドメインに注目して、BrickWrightを紹介します。BrickWrightは、トレーニング済みのエージェントを使って、テキストや画像プロンプトから物理的に実現可能なブロックビルドを生成するフレームワークです。
BrickWrightはエージェントに、BrickLayerという2つの主要なコンポーネントを持つPythonツールキットを使ってコードを書くことでビルドを誘導する。
ベースライン剤は9%(GPT-6 Luna)から69%(GPT-6 Astra)の物理的有効性を達成する一方、BrickWright誘導剤は512のプロンプトのサンプルに対して100%の有効性を達成するとともに、軽量剤の迅速な付着性を改善し、より強力なエージェントに対してそれを維持する。
さらに、テキスト・ツー・ブリックタスクの特別なモデルよりも優れています。
コードは当社のプロジェクトページで公開されている。
関連論文リスト
- BrickBench: Evaluating Agentic Brick Design [56.15284530324656]
BrickBenchは、エージェントテキスト条件のLEGOセット設計のためのベンチマークである。
3つの設定で妥当性、アライメント、デザインを評価します。
私たちはベンチマークと環境をhttp://www.brickben.ch.comでリリースしています。
論文 参考訳（メタデータ） (2026-10-08T17:58:56Z) - Brick-Composer: Using MLLMs for Assembly with Diverse Bricks [64.5380622477211]
ブロック組立に必要な視覚的接地と空間的推論能力を有する多モーダル大言語モデル(MLLM)について検討した。
BC-Benchは,多様なブロックを持つアセンブリ上でMLLMを評価するための最初のベンチマークである。
Brick-ComposerはMLLMに3つの補完信号による組立スキルを組み込む学習フレームワークである。
論文 参考訳（メタデータ） (2026-06-03T21:08:06Z) - BrickNet: Graph-Backed Generative Brick Assembly [54.88688542316808]
LEGO-brickビルドシーケンスを生成するために、言語モデルをトレーニングします。
10万人以上の人間が設計したLDrawブロックのオブジェクトとシーンの大規模なデータセットを収集します。
ブロックのポーズを直接予測すると、少数のステップの後にビルドシーケンスはすぐに無効になる。
論文 参考訳（メタデータ） (2026-04-24T19:55:51Z) - Generating Physically Stable and Buildable Brick Structures from Text [63.75381708299733]
BrickGPTは、テキストプロンプトから物理的に安定したアセンブリモデルを生成するための最初のアプローチである。
私たちはデータセットであるStableText2Brickをリリースしました。
論文 参考訳（メタデータ） (2025-05-08T17:58:18Z) - Budget-Aware Sequential Brick Assembly with Efficient Constraint Satisfaction [63.672314717599285]
レゴブロックを用いた逐次レンガ組立体の課題に対処し、3D構造を創出する。
特に、使用されるレンガの数が増えるにつれて、組み立て可能な構造物の数は指数関数的に増加する。
本稿では,U字型スパース3次元畳み込みニューラルネットワークを用いて,次のブロック位置のスコアを予測する新しい手法を提案する。
論文 参考訳（メタデータ） (2022-10-03T15:35:08Z) - Break and Make: Interactive Structural Understanding Using LEGO Bricks [61.01136603613139]
私たちは、LEGOモデルの組み立て、分解、操作が可能な、完全にインタラクティブな3Dシミュレータを構築しました。
シーケンス・ツー・シーケンス・モデルを用いてこの問題を解決するための第一歩を踏み出す。
論文 参考訳（メタデータ） (2022-07-27T18:33:09Z)
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。