日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

環境生成arXiv:2603.11554

MANSION: 長期的タスクのための多階層言語から3Dシーン生成

MANSION: Multi-floor lANguage-to-3D Scene generatIOn for loNg-horizon tasks

シェア:XThreadsFacebookLINEはてブBluesky

建物全体の多階層3D環境を言語指示から生成するフレームワークを提案し、長期的なロボットタスクの評価基盤を提供する。

詳しい要約

1. どんなもの?

- 言語駆動で建物規模の多階層3D環境を生成する初のフレームワークMANSIONを提案。 - 垂直構造制約を考慮し、現実的でナビゲート可能な全館構造と多様で人間に優しいシーンを生成。 - 階をまたぐ長期的タスクの開発・評価を可能にする。 - 病院からオフィスまで1,000以上の多様な建物を含むMansionWorldデータセットを公開。 - オープン語彙コマンドで環境をカスタマイズするTask-Semantic Scene Editing Agentも提供。

2. 先行研究と比べてどこがすごい?

- 既存のembodiedベンチマークは主に単一階の住宅環境に限定され、現実世界の複雑さを反映していなかった。 - MANSIONは初の言語駆動・建物規模・多階層3D環境生成フレームワークであり、垂直構造制約を意識している点が新しい。 - 階をまたぐ長期的タスクの開発と評価を可能にし、次世代の空間推論と計画のための重要なテストベッドを提供。

3. 技術・手法の肝は?

- 言語駆動で建物規模の多階層3D環境を生成。 - 垂直構造制約を考慮し、現実的でナビゲート可能な全館構造を生成。 - 多様で人間に優しいシーンを生成。 - Task-Semantic Scene Editing Agentにより、オープン語彙コマンドで環境をカスタマイズ可能。 - 具体的なアルゴリズムやモデル構造は要旨からは不明。

4. どうやって有効だと検証した?

- MansionWorldデータセット(病院からオフィスまで1,000以上の多様な建物)を構築。 - ベンチマークにより、最先端エージェントがMANSION設定で急激に性能低下することを示した。 - これにより、MANSIONが空間推論と計画の重要なテストベッドであることを確立。 - 定量的な評価指標や実験設定の詳細は要旨からは不明。

5. 議論はある?

- 既存ベンチマークが単一階に限定され、現実世界の複雑さを反映していないという問題意識。 - MANSIONが建物規模・多階層環境の生成を可能にし、長期的タスクの評価に適することを主張。 - 最先端エージェントの性能低下から、現行手法の限界と今後の研究方向を示唆。 - 具体的な議論や限界、倫理的考慮は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、embodied benchmarks、language-to-3D scene generation、spatial reasoning and planningの定番研究が挙げられる。 - 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: Lirong Che, Shuo Wen, Shan Huang, Chuang Wang, Yuzhe Yang, Gregory Dudek, Xueqian Wang, Jian Su

分類: cs.CV, cs.AI, cs.RO

原文アブストラクト

Real-world robotic tasks are long-horizon and often span multiple floors, demanding rich spatial reasoning. However, existing embodied benchmarks are largely confined to single-floor in-house environments, failing to reflect the complexity of real-world tasks. We introduce MANSION, the first language-driven framework for generating building-scale, multi-floor 3D environments. Being aware of vertical structural constraints, MANSION generates realistic, navigable whole-building structures with diverse, human-friendly scenes, enabling the development and evaluation of cross-floor long-horizon tasks. Building on this framework, we release MansionWorld, a dataset of over 1,000 diverse buildings ranging from hospitals to offices, alongside a Task-Semantic Scene Editing Agent that customizes these environments using open-vocabulary commands to meet specific user needs. Benchmarking reveals that state-of-the-art agents degrade sharply in our settings, establishing MANSION as a critical testbed for the next generation of spatial reasoning and planning.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI