🤖 AI

Learning an Interior Layout Policy in a Domain Specific Language Action Space

تقدم هذه الورقة LayoutDSL، وهو إطار عمل جديد يعتمد على النماذج اللغوية الكبيرة (LLM) يقوم بتوليد تخطيطات للمشاهد الداخلية من خلال تعلم سياسة ضمن فضاء إجراءات لغة محددة النطاق (DSL) مهيكلة، مستفيداً من مجموعة بيانات جديدة والتعلم التعزيزي للتغلب على قيود التنبؤ المباشر بالإحداثيات وتحسين المعقولية المكانية والمنطقية التصميمية بشكل كبير.

المؤلفون الأصليون: Yuhao Lu, Weichen Zhang, Wenyi Xiao, Haohui Chen, Yiyun Fei

نُشر 2026-08-11

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Yuhao Lu, Weichen Zhang, Wenyi Xiao, Haohui Chen, Yiyun Fei

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول تعليم روبوت كيفية تزيين غرفة. في عالم علوم الحاسوب، يُسمى هذا "توليد تخطيط المشاهد الداخلية". لفترة طويلة، حاول العلماء جعل الحواسيب تكتشف أين تضع الأريكة، أو السرير، أو الرفوف. لقد علموا الآلات تخمين الإحداثيات الدقيقة لـ X وY وZ (مثل نظام تحديد المواقع العالمي للأثاث) أو رسم صناديق تقريبية حول الغرف. لكن المشكلة هي: الغرف الحقيقية ليست مجرد صناديق فارغة. فهي تحتوي على أبواب يجب أن تظل مفتوحة، ونوافذ لا ينبغي حجبها بخزانة ملابس ضخمة، وزوايا غريبة لا تناسب الأثاث القياسي. عندما تحاول الحواسيب تخمين أرقام دقيقة لكل قطعة أثاث، فإنها غالباً ما تضل الطريق، فتنتج تخطيطات تبدو وكأنها لعبة "تتريس" حيث لا تتناسب القطع مع بعضها البعض تماماً، أو والأسوأ من ذلك، تبدو وكأنها تطفو في الهواء.

هنا تأتي فكرة جديدة: بدلاً من مطالبة الكمبيوتر بالقيام بعمليات حسابية معقدة لإيجاد رقم، ماذا لو طلبنا منه التحدث بلغة خاصة؟ فكر في الأمر كتعليم طفل كيفية اللعب بقطع "ليغو". بدلاً من قول: "ضع الطوبة الحمراء عند الإحداثي 4.2، 7.1، 0"، تقول له: "ضع الطوبة الحمراء بجانب الطوبة الزرقاء، على الجانب الأيسر". يقدم هذا البحث نظاماً يسمى LayoutDSL، والذي يعلم الذكاء الاصطنا artificial intelligence (AI) كيف "يتحدث" هذه اللغة الخاصة بالتصميم الداخلي. الهدف هو جعل الذكاء الاصطناعي يفكر مثل المصمم البشري، باستخدام المنطق والعلاقات ("بجانب"، "مواجه لـ"، "متمركز في") بدلاً من مجرد تخمين الأرقام.

المشكلة في تخمين الأرقام

لاحظ مؤلفو هذا البحث أن العديد من الطرق الموجودة تعامل تصميم الغرف كمسألة رياضية حيث يتعين على الكمبيوتر التنبؤ برقم محدد لكل قطعة أثاث. هم يسمون هذا "التنبؤ المباشر بالإحداثيات". تخيل محاولة وصف موقع طاولة قهوة بقولك: "إنها تبعد 3.613 متراً عن الجدار الأيسر و2.778 متراً عن الجدار الخلفي". إذا قمت بتغيير الغرفة قليلاً أو غيرت شكل الجدار، فإن هذا الرقم يصبح بلا فائدة. يجب على الكمبيوتر إعادة تعلم الرقم في كل مرة تتغير فيها الغرفة.

يجادل البحث بأن هذا النهج معيب لأنه يتجاهل "قواعد" الغرفة، مثل الأبواب والنوافذ. الأمر يشبه محاولة ركن سيارة بالنظر فقط إلى أرقام نظام تحديد المواقع (GPS) دون التحقق مما إذا كانت هناك شجرة في الطريق. قد يحسب الكمبيوتر مكاناً مثالياً، ولكن إذا كان ذلك المكان داخل جدار أو يسد باباً، فإن التصميم يفشل. يقترح المؤلفون أنه من خلال إجبار الذكاء الاصطناعي على استخدام لغة مهيكلة (لغة خاصة بمجال معين، أو DSL) تصف العلاقات بدلاً من مجرد الأرقام، يمكن للذكاء الاصطناعي تعلم المنطق الفعلي للتصميم.

الحل: تعليم الذكاء الاصطناعي لغة جديدة

لإصلاح ذلك، أنشأ الفريق LayoutDSL، وهو إطار عمل لا يقوم فيه الذكاء الاصطناعي بإخراج الإحداثيات مباشرة. بدلاً من ذلك، يقوم بإخراج سلسلة من التعليمات بلغة خاصة. إنه يشبه إعطاء الذكاء الاصطناعي كتاب وصفات. بدلاً من قول "ضع الأريكة عند (5، 2)"، يقول الذكاء الاصطناعي: "ضع الأريكة مواجهة للتلفاز، مع جعل ظهرها مسنداً إلى الجدار الشمالي، مع ترك فجوة صغيرة".

إليك كيف بنوا ذلك:

اللغة (DSL): ابتكروا مجموعة من القواعد لوصف وضع الأثاث. تبدو الجملة في هذه اللغة شيئاً مثل: place sofa1 orient:90.0 wall5 wall_center_left:0.028 distance:0.000. هذا يخبر الكمبيوتر: "ضع الأريكة رقم 1، بزاوية دوران 90 درجة، مثبتة بالجدار رقم 5، محاذية قليلاً لليسار من المركز، وبمسافة صفر من الجدار". هذا أكثر استقراراً من الرقم الخام لأنه يصف كيف ترتبط قطعة الأثത്ഥ بالغرفة، وليس فقط أين توجد في فراغ.
بيانات التدريب (3D-FrontDSL): لتعليم الذكاء الاصطنا هذه اللغة، لم يتمكنوا من استخدام البيانات القديمة فحسب. كان عليهم إنشاء مجموعة بيانات جديدة تسمى 3D-FrontDSL. أخذوا آلاف التصاميم الثلاثية الأبعاد الحقيقية للغرف واستخدموا برنامج كمبيوتر لترجمة إحداثيات الأثاث إلى جمل DSL الجديدة هذه. خلق هذا مكتبة ضخمة من أزواج "الغرفة + جملة الـ DSL" ليدرسها الذكاء الاصطناعي.
التدريب على خطوتين:
- الخطوة 1 (الضبط الدقيق الخاضع للإشراف): علموا الذكاء الاصطناعي أولاً كيفية قراءة معلومات الغرفة (مثل "هذه غرفة معيشة بها باب على الجدار الشمالي") وإخراج جمل DSL الصحيحة. كان هذا يشبه تعليم الذكاء الاصطناعي المفردات وقواعد النحو الخاصة بالتصميم الداخلي.
- الخطوة 2 (التعلم التعزيزي): هنا يحصل الذكاء الاصطناعي على "مدرب". أنشأ الفريق مجموعة من القواعد (المكافآت) للتحقق مما إذا كان تصميم الذكاء الاصطناعي يعمل بالفعل. هل اصطدم الأثاث بالجدار؟ (التصادم). هل يسد الباب؟ (وضع محظور). هل هناك مساحة كافية للمشي حوله؟ (إمكانية الوصول). إذا ارتكب الذكاء الاصطناعي خطأً، فإنه يحصل على "درجة سيئة". إذا صنع تخطيطاً جيداً، فإنه يحصل على "درجة جيدة". بعد ذلك يتدرب الذكاء الاصطناعي مراراً وتكراراً، محاولاً الحصول على درجة أفضل، ويتعلم تجنب الأخطاء تماماً مثل طالب يتعلم من قلم المعلم الأحمر.

ما وجدوه

كانت النتائج مثيرة للإعجاب حقاً. اختبر الفريق نظامهم الجديد، LayoutDSL، مقابل بعض أكبر وأقوى نماذج الذكاء الاصطناعي المتاحة (بما في ذلك النماذج التي تحتوي على مئات المليارات من المعلمات). على الرغم من أن نموذجهم كان أصغر بكثير (4 مليارات معلمة فقط)، إلا أنه تفوق على العمالقة.

منطق أفضل: أنشأ الذكاء الاصطناعي الذي يستخدم LayoutDSL تخطيطات أكثر منطقية. نادراً ما سد الأبواب أو النوافذ، وشعر المرء أن الأثاث ينتمي إلى الغرفة.
معدل نجاح أعلى: بينما فشلت النماذج الأخرى أحياناً في إنتاج تخطيط قابل للاستخدام (بالتعثر أو توليد كلام غير مفهوم)، نجح LayoutDSL بنسبة 100% في اختباراتهم.
قوة اللغة: عندما قارنوا طريقة اللغة الجديدة القائمة على اللغة بالطريقة القديمة القائمة على "تخمين الرقم"، فازت طريقة اللغة بفارق كبير. يشير البحث إلى أنه من خلال إجبار الذكاء الاصطناعي على التفكير في العلاقات (DSL) بدلاً من الأرقام الخام، فقد تعلم "المنطق" وراء التصميم بشكل أسرع وأكثر فعالية.

لماذا هذا مهم

يشير هذا البحث إلى أن مستقبل تصميم الذكاء الاصطناعي لا يتعلق فقط بجعل الحواسيب أكبر لتتمكن من القيام بمزيد من العمليات الحسابية. بل يتعلق بتعليمها كيف تفكر بالطريقة الصحيحة. من خلال استخدام لغة مهيكلة تحاكي كيفية وصف البشر للمساحات، يمكن للذكاء الاصطناعي فهم قواعد الغرفة. وهذا يعني أننا قد نرى قرياً أدوات ذكاء اصطناعي يمكنها مساعدتنا في إعادة تصميم منازلنا، مما يضمن ملاءمة الأثاث تماماً، وأن أبوابنا يمكن أن تفتح، وأن غرفنا تبدو رائعة، وكل ذلك دون أن يحتاج الكمبيوتر إلى أن يكون حاسوباً فائق القدرة. يظهر المؤلفون أنه مع "اللغة" الصحيحة والقليل من الممارسة (التعلم التعزيزي)، يمكن حتى لذكاء اصطناعي صغير أن يصبح مصمم ديكور داخلي بارعاً.

ملخص تقني: تعلم سياسة تخطيط داخلي في فضاء إجراءات لغة متخصصة في مجال معين

بيان المشكلة

يهدف توليد تخطيط المشاهد الداخلية إلى إنتاج ترتيبات أثاث قابلة للتنفيذ فيزيائياً وذات معنى وظيفي بناءً على القيود الهيكلية للغرفة. تحدد الورقة البحثية قصورين جوهريين في النهج الحالي:

نمذجة مبسطة للغاية للغرف: تختزل العديد من الطرق الغرف في صناديق محيطة ثلاثية الأبعاد خشنة، متجاهلة العناصر الهيكلية الحرجة مثل الأبواب والنوافذ والفتحات، وهي عناصر أساسية لتخطيطات واقعية.
نماذج استدلال غير فعالة: عادة ما تصيغ الأساليب الحالية القائمة على التعلم عملية توليد التخطيط كعملية انحدار مستمر على المعلمات الهندسية الخام (مثل التنبؤ المباشر بالإحداثيات). يعامل هذا النهج تصميم التخطيط كتقدير نقطي في الفضاء الإقليدي، مما يعيق قدرة النموذج على تعلم المنطق الاستدلالي للتصميم الذكي. علاوة على ذلك، تظهر الإحداثيات الخام تبايناً عالياً عبر مختلف هندسات الغرف، مما يجعل التعميم صعباً.

المنهجية: LayoutDSL

يقترح المؤلفون LayoutDSL، وهو إطار عمل مبتكر ينقل النموذج من التنبؤ المباشر بالمعلمات إلى تعلم السياسة ضمن فضاء إجراءات لغة متخصصة في مجال معين (DSL) مهيكلة وقابلة للتفسير. يتكون الإطار من ثلاثة مكونات أساسية:

1. تصميم لغة Layout DSL

صمم المؤلفون لغة DSL تقوم بتشفير العلاقات المكانية والقيود الهندسية رمزياً. بدلاً من التنبؤ بإحداثيات $(x, y, z)$ مباشرة، يقوم النموذج بتوليد عبارات تشبه اللغة الطبيعية. تتبع العبارة الواحدة المخطط التالي:
action + instance + orient:θ + anchor + align:δ + distance:d

المرتكز (Anchor): يمكن أن يكون جزءاً من الجدار (مثل wall1) أو قطعة أثاث تم وضعها مسبقاً (مثل bed0).
المحاذاة (Alignment): تحدد العلاقة المكانية النسبية (مثل wall_center_left أو obj_front_center) مع 26 خياراً محدداً مسبقاً.
المسافة (Distance): إزاحة قياسية عن المرتكز.

يتضمن هذا التمثيل أولويات هيكلية، مما يؤدي إلى أوصاف موضعية أكثر استقراراً مقارنة بالإحداثيات الخام. يقوم نظام المولد-المفسر (Generator-Interpreter) ثنائي الاتجاه بالتحويل بين معلمات التخطيط ثلاثية الأبعاد وعبارات الـ DSL.

2. بناء مجموعة البيانات: 3D-FrontDSL

لبناء النموذج، قام المؤلفون بإنشاء 3D-FrontDSL، وهي مجموعة بيانات مشتقة من مجموعة بيانات 3D-Front.

المعالجة المسبقة: يتم تفكيك المخططات الأرضية غير المنتظمة إلى "غرف ميتا" (meta-rooms) مستطيلة باستخدام الهندسة الحسابية.
التوسيم (Annotation): تتضمن مجموعة البيانات تسميات لهيكل الغرفة (الجدران، الأبواب، النوافذ، الفتحات) مقترنة بتسلسلات إجراءات DSL اصطناعية تم توليدها بواسطة مولد الـ DSL.
النطاق: تحتوي مجموعة البيانات على 9,305 زوجاً من تخطيطات الغرف الميتا.

3. مسار التدريب

يعتمد الإطار عملية تدريب على مرحلتين:

الضبط الدقيق الخاضع للإشراف (SFT): يتم مواءمة النموذج اللغوي الكبير (LLM) مع قواعد ودلالات لغة Layout DSL باستخدام مجموعة بيانات 3D-FrontDSL. يتعلم النموذج توليد تسلسلات إجراءات DSL مهيكلة مشروطة بالمعلومات الهيكلية للغرفة.
التعلم التعزيزي (RL) مع مكافآت قابلة للتحقق: لتعزيز المعقولية الفيزيائية ومنطق التصميم، يتم تحسين السياسة باستخدام تحسين السياسة النسبي للمجموعات (GRPO). تتكون دالة المكافأة من خمسة مقاييس قابلة للتحقق قائمة على مبادئ التصميم الداخلي:
- التصادم (COL): يعاقب على تداخل الصناديق المحيطة.
  * خارج الحدود (OOB): يعاقب على تجاوز الأثاث لحدود الغرفة.
- الوضع المحظور (FP): يعاقب على وضع الأثاث في مناطق محظورة (مثل سد الأبواب أو واجهات النوافذ).
- إمكانية الوصول للمسار (REA): يضمن الاتصال العالمي وإمكانية الوصول إلى الأشياء.
- منطقية المساحة (LOG): يقيم الاتساق الوظيفي (مثل اتجاه السرير بالنسبة للأبواب) والانسجام المكاني.
- ملاحظة: تم تضمين عقوبة "مكافحة الاختراق" لمنع النموذج من توليد تخطيطات متفرقة للتهرب من عقوبات التصادم أو إمكانية الوصول.

المساهمات الرئيسية

تعلم السياسة القائم على DSL: تقديم لغة متخصصة لتخطيط النماذج تحول توليد المشاهد الداخلية إلى مشكلة تعلم سياسة عبر فضاء إجراءات مهيكل وقابل للتفسير، بعيداً عن الانحدار المباشر للإحداثيات.
مجموعة بيانات 3D-FrontDSL: إنشاء مجموعة بيانات جديدة تتميز بتسميات هيكل الغرفة (بما في ذلك الأبواب والنوافذ) مقترنة بعبارات DSL اصطناعية، مما يسمح بتوليد تخطيط مشروط بالهيكل.
مكافآت التعلم التعزيزي القابلة للتحقق: اقتراح نظام مكافآت شامل يتضمن الجدوى الهندسية والمبادئ التصميمية المتوافقة مع البشر، مما يثبت أن التعلم التعززي يحسن جودة التخطيط بشكل كبير.

النتائج التجريبية

قيم المؤلفون LayoutDSL على RealHome60، وهي مجموعة اختبار تضم 60 غرفة سكنية حقيقية.

الأداء مقابل النماذج المرجعية: حقق نموذج لغوي كبير بـ 4 مليارات معلمة (Qwen3-4B-Instruct) تم ضبطه بدقة باستخدام LayoutDSL والتعلم التعزيزي متوسط درجة قدره 0.878 عبر خمسة مقاييس (COL, OB, FP, REA, LOG).
المقارنة مع النماذج الكبيرة: تفوق هذا النموذج (4B) على نماذج رائدة في الصناعة أكبر بكثير وغير مضبوطة بدقة (مثل Gemini-3.1, GPT-5.1) في إعداد التعلم بلقطات قليلة (few-shot)، متفوقاً على Gemini-3.1 بنسبة 26.4 نقطة مئوية.
المقارنة مع الطرق الحالية: تفوق LayoutDSL على أقوى نموذج مرجعي حالي (I-Design) بمقدار 28.4 نقطة، وتفوق بشكل خاص في التعامل مع القيود الهيكلية (مقاييس FP و LOG).
دراسات الاستئصال (Ablation Studies):
- الـ DSL مقابل المعلمات المباشرة: تفوق التوليد القائم على DSL باستمرار على التنبؤ المباشر بالمعلمات في كل من مرحلتي SFT و RL.
- SFT و RL: حسن SFT متوسط الدرجة من 0.357 (الأساس) إلى 0.685، بينما رفع RL الدرجة أكثر إلى 0.878.
- مكافحة الاختراق (Anti-Hacking): أدى إزالة عقوبة مكافحة الاختراق إلى تدهور الأداء، مما يؤكد ضرورتها لكثافة الأشياء الواقعية.

الأهمية والادعاءات

تدعي الورقة أنه من خلال إسقاط الحوسبة المكانية في فضاء إجراءات DSL، يُمكّن LayoutDSL النماذج اللغوية الكبيرة من تعلم منطق الاستدلال للتصميم الداخلي بدلاً من مجرد حفظ توزيعات الإحداثيات. ويؤكد المؤلفون أن هذا النهج:

يحسن بشكل كبير المعقولية المكانية والمنطقية التصميمية.
يسمح للنماذج الأصغر (4B) بالتفوق على النماذج الأكبر غير المدربة من خلال الاستفاء من الاستدلال المهيكل والتغذية الراجعة القابلة للتحقق.
يوفر إطار عمل قابلاً للتوسع وقابلاً للتفسير للتصميم الدالي المؤتمت، مع إمكانات تطبيقات في توليد البيانات القائم على المحاكاة وتخليق المشاهد التجارية.

يخلص المؤلفون إلى أنه بينما يركز العمل الحالي على الغرف المهيكلة، فإن التوجهات المستقبلية تشمل التعامل مع هندسات الغرف غير المنتظمة ومتطلبات المستخدمين المتنوعة، مما يشير إلى أن التعلم التعزيزي واسع النطاق يمكن أن يسهل بشكل أكبر النشر في تطبيقات التصميم الذكي المعقدة.