日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
シーン生成arXiv:2610.32978

SceneBloom: 実用的で多様なレイアウトを持つ屋内環境をエージェント的に生成する身体性学習向けフレームワーク

SceneBloom: Agentic Indoor Environment Generation with Realistic and Diverse Layouts for Embodied Learning

シェア:XThreadsFacebookLINEはてブBluesky

拡散モデルによる家具配置の生成と関係性に基づく3Dシーン構築を組み合わせ、物理的に整合し実環境に近い屋内環境を自動生成するフレームワークを提案。生成シーンで学習したナビゲーション方策が実スキャン上で高い成功率を示した。

詳しい要約

1. どんなもの？

- 屋内環境を自動生成する agentic framework「SceneBloom」の提案 - 目的は embodied learning 用の realistic・diverse・simulation-ready な indoor environments の生成 - visual layout sampling と contract-guided 3D compilation を組み合わせる - 5種類の room types で評価 - code は GitHub で公開

2. 先行研究と比べてどこがすごい？

- language-guided 手法は semantic planning や object-level reasoning は可能だが precise spatial grounding が困難 - visual generative models は plausible arrangements の prior を持つが、physically valid な 3D scene 化には geometric reasoning が必要 - SceneBloom は visual layout sampling と contract-guided 3D compilation を統合 - 比較手法中で最高の visual quality と physical stability を達成 - mesh collisions と out-of-bounds objects が検出されなかった唯一の手法 - layout が real rooms の分布に最も近い

3. 技術・手法の肝は？

- hierarchical sampler が diffusion priors を用いて functional zones 内に furniture arrangements を生成 - compiler が各 proposal から抽出した relations を用いて geometric fitting と local pose correction を実施 - visual layout sampling と contract-guided 3D compilation の二段構成 - 生成された layout を physically valid な 3D scene へ変換

4. どうやって有効だと検証した？

- 5種類の room types で比較手法と評価 - visual quality と physical stability の指標で最高性能 - mesh collisions と out-of-bounds objects の検出有無を確認 - real rooms の分布との近さを比較 - 生成 scene で訓練した object navigation policies が held-out real scans で、同数の real training scans で訓練した場合より高い success rate を達成

5. 議論はある？

- 要旨からは不明 - ただし language-guided 手法の spatial grounding の困難さ、visual generative models の geometric validity の課題が動機として示唆される - 生成 scene の real scans への転移可能性が議論の焦点と考えられるが、詳細は要旨からは不明

6. 次に読むべき論文は？

- language-guided indoor scene generation 手法 - diffusion priors を用いた layout generation 研究 - visual generative models による 3D scene 生成 - object navigation の sim-to-real 転移研究 - 具体的な論文名は要旨からは不明

※ 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: Yuhan Liu, Lianhui Qin, Shenji Wan

分類: cs.CV, cs.AI, cs.RO

原文アブストラクト

Training generalizable embodied agents requires realistic, varied, and simulation-ready indoor environments. Language-guided methods support semantic planning and object-level reasoning, but precise spatial grounding remains difficult. Visual generative models offer rich priors over plausible arrangements, yet their outputs require geometric reasoning to become physically valid 3D scenes. We introduce SceneBloom, an agentic framework that combines visual layout sampling with contract-guided 3D compilation. A hierarchical sampler uses diffusion priors to generate furniture arrangements within functional zones. A compiler then uses relations extracted from each proposal to guide geometric fitting and local pose correction. Across five room types, SceneBloom attains the highest visual quality and physical stability among the compared methods and is the only method with no detected mesh collisions and out-of-bounds objects. Its layouts are also closer to the distribution of real rooms than those of all compared baselines. Object navigation policies trained in these realistic scenes achieve a higher success rate in held-out real scans than those trained on an equal number of real training scans. Code is available at https://github.com/Tinaliu0123/scenebloom.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI