3Dシーン生成/強化学習2026/8/6arXiv:2608.06161

iARCS: 反復エージェント強化学習による制御可能な3Dシーン生成

iARCS: Iterative Agentic RL for Controllable 3D Scene Generation

事前学習済みの3Dシーン生成器を自然言語のタスク要件に適応させる反復エージェント強化学習フレームワークを提案。物理的妥当性とレイアウト品質を向上させつつ、タスク固有の制約（歩行可能性、到達可能性、クリアランス）を満たすシーンを生成する。

詳しい要約

1. どんなもの？

iARCSは、事前学習済みの3Dシーン生成器を自然言語のタスク要件に適応させる反復的エージェント強化学習フレームワークである。合成3Dシーン生成はコンピュータビジョンや具現化AIのデータ源として使われるが、既存の生成器は知覚的リアリズムを最適化する一方で、タスクに不可欠な機能的制約（アクセシビリティ、 traversability、空間ルール遵守など）を満たさないことが多い。iARCSはこの不一致を解消し、下流タスクの訓練に有用な合成データを生成することを目指す。

2. 先行研究と比べてどこがすごい？

既存の3Dシーン生成器は主に視覚的品質や多様性に焦点を当てており、タスク固有の機能的制約を明示的に最適化しない。iARCSは、強化学習を用いて生成器をタスク要件に適応させる点で新しい。特に、LLM生成の報酬プログラムを訓練フィードバックから反復的に洗練するエージェント的アプローチを導入し、汎用報酬事前学習とタスク特化微調整の2段階戦略を取る。これにより、制約充足とシーン多様性の両立を図る。

3. 技術・手法の肝は？

手法の核は2段階戦略である。第一段階では、物理的妥当性とレイアウト品質を向上させるためのuniversal-reward pretrainingを行う。第二段階では、LLMが生成した報酬プログラムを用いてタスク特化の微調整を行い、その報酬プログラムを訓練フィードバックから反復的に改良する。この反復的エージェントRLにより、生成器は指定されたタスク制約（例：歩行可能性、到達可能性、クリアランス）を満たすように適応する。

4. どうやって有効だと検証した？

実験では、歩行可能性、到達可能性、クリアランスに焦点を当てたタスクで制約充足の忠実度が向上したことを示した。また、タスク特化の制約最適化が効果的であり、シーン多様性も競争力があることを確認した。さらに、iARCSが生成したデータでベース生成器を改善できることを示し、単なる制御可能なシーン編集手法ではなく、実用的な合成データ生成ツールとしての価値を実証した。

5. 議論はある？

要旨からは、iARCSの限界や潜在的な欠点についての議論は不明である。ただし、タスク特化の制約最適化とシーン多様性のトレードオフや、LLM生成報酬プログラムの品質依存性などが考えられるが、要旨には明記されていない。

6. 次に読むべき論文は？

要旨で参照されている先行研究や関連手法は明示されていないが、同分野の定番として、3Dシーン生成のための生成モデル（例：Diffusion Models, GANs）や、強化学習を用いた制御可能な生成、LLMを用いた報酬設計に関する研究が挙げられる。具体的には、"Scene Generation"や"Reinforcement Learning for Generation"、"LLM-based Reward Design"などのキーワードで検索される論文が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Saugat Adhikari, Ashok Prasad Neupane, Pramish Paudel, Ajad Chhatkuli, Danda Pani Paudel

分類: cs.AI

原文アブストラクト

Synthetic 3D scene generation is increasingly used as a data source for computer vision and embodied AI, but existing generators often optimize perceptual realism without reliably satisfying task-critical functional constraints. This mismatch limits the usefulness of synthetic data for downstream training, where accessibility, traversability, and spatial rule compliance are often essential. We present iARCS, an iterative agentic reinforcement learning framework that adapts a pretrained scene generator to natural-language task requirements. iARCS uses a two-stage strategy: universal-reward pretraining to improve physical plausibility and layout quality, followed by task-specific fine-tuning with LLM-generated reward programs that are iteratively refined from training feedback. Experiments show improved constraint fidelity on walkability, reachability, and clearance-focused tasks, effective task-specific constraint optimization, and competitive scene diversity. We further show that data generated by iARCS improves a base generator, supporting its value as a practical synthetic data generation tool rather than only a controllable scene editing method.

arXivで原文を読む →arXiv概要ページ

← 論文一覧