シーン生成/レイアウト合成2025/7/1arXiv:2507.04293

AutoLayout: 低速・高速協調推論による閉ループレイアウト合成

AutoLayout: Closed-Loop Layout Synthesis via Slow-Fast Collaborative Reasoning

低速な推論と高速な生成を組み合わせた二重システムと自己検証ループにより、物理的に整合し意味的にも妥当な物体配置レイアウトを自動生成する手法を提案。

詳しい要約

1. どんなもの？

- 本論文は、embodied intelligence や自律システム向けの自動 layout 生成手法 **AutoLayout** を提案する。 - 仮想環境構築から家庭用ロボット配備までを支える layout 自動生成を対象とする。 - 既存手法の spatial hallucination や、floating・overlapping・misaligned stacking といった物理的欠陥を課題とする。 - 閉ループ自己検証を dual-system framework に統合した完全自動手法である。

2. 先行研究と比べてどこがすごい？

- 既存手法は spatial hallucination を起こし、semantic fidelity と physical plausibility の両立に苦戦していた。 - しばしば floating や overlapping、misaligned stacking relation を生じていた。 - AutoLayout は closed-loop self-validation により誤りを反復修正し、物理的安定性と意味的一貫性のバランスを狙う。 - 8 シナリオで SOTA 比 10.1% 改善（physical plausibility・semantic consistency・functional completeness）と報告。

3. 技術・手法の肝は？

- dual-system framework の slow system が Reasoning-Reflection-Generation (RRG) pipeline で object attributes と spatial constraints を抽出。 - fast system が discrete coordinate sets と topological relation set を生成し、両者を jointly validate。 - 手作りルールの限界を緩和するため、LLM-based Adaptive Relation Library (ARL) を導入し layout の生成・評価に用いる。 - Slow-Fast Collaborative Reasoning と self-validation の閉ループで反復的に誤りを補正する。

4. どうやって有効だと検証した？

- 8 つの異なる scenario で AutoLayout の有効性を検証した。 - physical plausibility、semantic consistency、functional completeness の観点で評価。 - SOTA 手法に対し 10.1% の有意な改善を示したと報告。 - 個々の scenario 名や評価指標の詳細は要旨からは不明。

5. 議論はある？

- spatial hallucination の緩和と、物理的安定性・意味的一貫性のバランスを主張。 - LLM-based ARL により手作りルール依存の限界を軽減する点を議論。 - ただし失敗事例、計算コスト、ARL の汎化性、8 シナリオの詳細な限界は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で直接参照・比較されている個別研究名は明記されていない。 - 関連手法として Reasoning-Reflection-Generation (RRG) pipeline、LLM-based Adaptive Relation Library (ARL)、dual-system framework が挙げられる。 - 同分野の定番として layout generation、spatial constraint reasoning、LLM-based planning の関連研究を次に読む候補とする。

※ 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: Weixing Chen, Dafeng Chi, Yang Liu, Yuxi Yang, Yexin Zhang, Yuzheng Zhuang, Xingyue Quan, Jianye Hao, Guanbin Li, Liang Lin

分類: cs.RO, cs.CV

原文アブストラクト

The automated generation of layouts is vital for embodied intelligence and autonomous systems, supporting applications from virtual environment construction to home robot deployment. Current approaches, however, suffer from spatial hallucination and struggle with balancing semantic fidelity and physical plausibility, often producing layouts with deficits such as floating or overlapping objects and misaligned stacking relation. In this paper, we propose AutoLayout, a fully automated method that integrates a closed-loop self-validation process within a dual-system framework. Specifically, a slow system harnesses detailed reasoning with a Reasoning-Reflection-Generation (RRG) pipeline to extract object attributes and spatial constraints. Then, a fast system generates discrete coordinate sets and a topological relation set that are jointly validated. To mitigate the limitations of handcrafted rules, we further introduce an LLM-based Adaptive Relation Library (ARL) for generating and evaluating layouts. Through the implementation of Slow-Fast Collaborative Reasoning, the AutoLayout efficiently generates layouts after thorough deliberation, effectively mitigating spatial hallucination. Its self-validation mechanism establishes a closed-loop process that iteratively corrects potential errors, achieving a balance between physical stability and semantic consistency. The effectiveness of AutoLayout was validated across 8 distinct scenarios, where it demonstrated a significant 10.1% improvement over SOTA methods in terms of physical plausibility, semantic consistency, and functional completeness.

arXivで原文を読む →arXiv概要ページ

← 論文一覧