🤖 AI

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

Este artículo presenta LayoutDSL, un novedoso marco basado en LLM que genera distribuciones de escenas interiores mediante el aprendizaje de una política dentro de un espacio de acciones de un Lenguaje de Dominio Específico (DSL) estructurado, aprovechando un nuevo conjunto de datos y aprendizaje por refuerzo para superar las limitaciones de la predicción directa de coordenadas y mejorar significamente la plausibilidad espacial y la lógica de diseño.

Autores originales: Yuhao Lu, Weichen Zhang, Wenyi Xiao, Haohui Chen, Yiyun Fei

Publicado 2026-08-11

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yuhao Lu, Weichen Zhang, Wenyi Xiao, Haohui Chen, Yiyun Fei

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás tratando de enseñarle a un robot cómo decorar una habitación. En el mundo de la informática, esto se llama "generación de la disposición de escenas interiores". Durante mucho tiempo, los científicos han intentado que las computadoras descifren dónde poner un sofá, una cama o una estantería. Les han enseñado a las máquinas a adivinar las coordenadas exactas X, Y y Z (como un GPS para muebles) o a dibujar cajas aproximadas alrededor de las habitaciones. Pero aquí está el problema: las habitaciones reales no son solo cajas vacías. Tienen puertas que deben permanecer abiertas, ventanas que no deben ser bloqueadas por un armario gigante y esquinas extrañas que no se ajustan a muebles estándar. Cuando las computadoras intentan adivinar números exactos para cada pieza de mobiliario, a menudo se pierden, creando disposiciones que parecen un juego de Tetris donde las piezas no encajan del todo o, peor aún, flotan en el aire.

Aquí es donde entra una nueva idea: en lugar de pedirle a una computadora que realice cálculos matemáticos complejos para encontrar un número, ¿qué pasaría si le pidiéramos que hablara un lenguaje especial? Piensa en esto como enseñar a un niño a construir con LEGOs. En lugar de decirle al niño: "Coloca el ladrillo rojo en la coordenada 4.2, 7.1, 0", le dices: "Pon el ladrillo rojo junto al ladrillo azul, al lado izquierdo". Este artículo presenta un sistema llamado LayoutDSL, que enseña a una Inteligencia Artificial (IA) a "hablar" este lenguaje especial de diseño de interiores. El objetivo es hacer que la IA piense más como un diseñador humano, utilizando la lógica y las relaciones ("junto a", "frente a", "centrado") en lugar de simplemente adivinar números.

El problema de adivinar números

Los autores de este artículo notaron que muchos métodos existentes tratan el diseño de habitaciones como un problema matemático donde la computadora tiene que predecir un número específico para cada mueble. A esto lo llaman "predicción directa de coordenadas". Imagina intentar describir la ubicación de una mesa de centro diciendo: "Está a 3.613 metros de la pared izquierda y a 2.778 metros de la pared trasera". Si mueves ligeramente la habitación o cambias la forma de la pared, ese número se vuelve inútil. La computadora tiene que reaprender el número cada vez que la habitación cambia.

El artículo argumenta que este enfoque es defectuoso porque ignora las "regas" de una habitación, como las puertas y las ventanas. Es como intentar estacionar un coche mirando solo los números del GPS sin comprobar si hay un árbol en el camino. La computadora puede calcular un lugar perfecto, pero si ese lugar está dentro de una pared o bloqueando una puerta, el diseño falla. Los autores sugieren que, al obligar a la IA a utilizar un lenguaje estructurado (un Lenguaje de Dominio Específico, o DSL) que describa relaciones en lugar de solo números, la IA puede aprender la lógica real del diseño.

La solución: Enseñando a la IA un nuevo lenguaje

Para solucionar esto, el equipo creó LayoutDSL, un marco de trabajo donde la IA no genera coordenadas directamente. En su lugar, genera una serie de instrucciones en un lenguaje especial. Es como darle a la IA un libro de recetas. En lugar de decir "Pon el sofá en (5, 2)", la IA dice: "Coloca el sofá frente al televisor, con su respaldo contra la pared norte, dejando un pequeño espacio".

Así es como lo construyeron:

El Lenguaje (DSL): Inventaron un conjunto de reglas para describir la colocación de los muebles. Una frase en este lenguaje se ve algo así: place sofa1 orient:90.0 wall5 wall_center_left:0.028 distance:0.000. Esto le dice a la computadora: "Pon el sofá número 1, girado 90 grados, anclado a la pared número 5, alineado ligeramente a la izquierda del centro, con cero distancia de la pared". Esto es mucho más estable que un número bruto porque describe cómo se relaciona el mueble con la habitación, no solo dónde está en el vacío.
Los Datos de Entrenamiento (3D-FrontDSL): Para enseñar a la IA este lenguaje, no podían usar simplemente datos antiguos. Tuvieron que crear un nuevo conjunto de datos llamado 3D-FrontDSL. Tomaron miles de diseños de habitaciones 3D reales y utilizaron un programa informático para traducir las coordenadas de los muebles a estas nuevas frases de DSL. Esto creó una enorme biblioteca de pares "Habitación + Frase de DSL" para que la IA la estudiara.
El Entrenamiento de Dos Pasos:
- Paso 1 (Ajuste Fino Supervisado): Primero enseñaron a la IA a leer la información de la habitación (como "esta es una sala de estar con una puerta en la pared norte") y a generar las frases de DSL correctas. Esto fue como enseñar a la IA el vocabulario y la gramática del diseño de interiores.
- Paso 2 (Aprendizaje por Refuerzo): Aquí es donde la IA tiene un "entrenador". El equipo creó un conjunto de reglas (recompensas) para verificar si el diseño de la IA realmente funciona. ¿Chocó el mueble contra la pared? (Colisión). ¿Está bloqueando la puerta? (Colocación Prohibida). ¿Hay suficiente espacio para caminar? (Accesibilidad). Si la IA comete un error, recibe una "mala puntuación". Si hace un buen diseño, recibe una "buena puntuación". La IA luego practica una y otra vez, tratando de obtener una mejor puntuación, aprendiendo a evitar errores tal como un estudiante aprende de la corrección de un profesor.

Lo que encontraron

Los resultados fueron bastante impresionantes. El equipo probó su nuevo sistema, LayoutDSL, contra algunos de los modelos de IA más grandes y potentes disponibles (incluyendo modelos con cientos de miles de millones de parámetros). A pesar de que su modelo era mucho más pequeño (solo 4 mil millones de parámetros), funcionó mejor que los gigantes.

Mejor Lógica: La IA que utilizaba LayoutDSL creó disposiciones que eran mucho más lógicas. Rara vez bloqueaba puertas o ventanas, y los muebles se sentían como si pertenecieran a la habitación.
Mayor Tasa de Éxito: Mientras que otros modelos a veces fallaban al producir una disposición utilizable (quedándose trabados o generando algo sin sentido), LayoutDSL tuvo éxito el 100% de las veces en sus pruebas.
El Poder del Lenguaje: Cuando compararon el nuevo método basado en el lenguaje con el antiguo método de "adivinar el número", el enfoque de lenguaje ganó por goleada. El artículo sugiere que, al obligar a la IA a pensar en relaciones (DSL) en lugar de números brutos, aprendió el "razonamiento" detrás del diseño de manera mucho más rápida y efectiva.

Por qué es importante

Este artículo sugiere que el futuro del diseño de IA no se trata solo de hacer computadoras más grandes que puedan hacer más matemáticas. Se trata de enseñarles a pensar de la manera correcta. Al utilizar un lenguaje estructurado que imita cómo los humanos describen el espacio, la IA puede comprender las reglas de una habitación. Esto significa que pronto podríamos ver herramientas de IA que nos ayuden a rediseñar nuestros hogares, asegurando que nuestros muebles encajen perfectamente, que nuestras puertas puedan abrirse y que nuestras habitaciones luzcan geniales, todo sin que la computadora necesite ser una supercomputadora. Los autores demuestran que con el "lenguaje" adecuado y un poco de práctica (aprendizaje por refuerzo), incluso una IA pequeña puede convertirse en una maestra del diseño de interiores.

Resumen Técnico: Aprendizaje de una Política de Diseño de Interiores en un Espacio de Acción de Lenguaje de Dominio Específico

Declaración del Problema

La generación de la disposición de escenas interiores tiene como objetivo producir arreglos de muebles físicamente factibles y funcionalmente significativos dados los parámetros estructurales de una habitación. El artículo identifica dos limitaciones fundamentales en los enfoques existentes:

Modelado de Habitaciones Oversimplificado: Muchos métodos reducen las habitaciones a cajas delimitadoras 3D toscas, descuidando elementos estructurales críticos como puertas, ventanas y huecos, los cuales son esenciales para disposiciones realistas.
Paradigmas de Razonamiento Ineficaces: La mayoría de los métodos de aprendizaje previos formulan la generación de la disposición como una regresión continua sobre parámetros geométricos brutos (por ejemplo, la predicción directa de coordenadas). Este enfoque trata el diseño de la disposición como una estimación de puntos en el espacio euclidiano, lo que impide que el modelo aprenda el razonamiento lógico subyacente del diseño inteligente. Además, las coordenadas brutas exhiben una alta varianza a través de diferentes geometrías de habitaciones, lo que dificulta la generalización.

Metodología: LayoutDSL

Los autores proponen LayoutDSL, un nuevo marco que cambia el paradigma de la predicción directa de parámetros al aprendizaje de políticas dentro de un espacio de acción de Lenguaje de Dominio Específico (DSL) estructurado e interpretable. El marco consta de tres componentes principales:

1. Diseño del DSL de Layout

Los autores diseñan un DSL que codifica simbólicamente las relaciones espaciales y las restricciones geométricas. En lugar de predecir directamente las coordenadas $(x, y, z)$ , el modelo genera enunciados similares al lenguaje natural. Un único enunciado sigue el esquema:
acción + instancia + orientación:θ + anclaje + alineación:δ + distancia:d

Anclaje (Anchor): Puede ser un segmento de pared (por ejemplo, pared1) o un artículo de mobiliario colocado previamente (por ejemplo, cama0).
Alineación (Alignment): Especifica la relación espacial relativa (por ejemplo, centro_izquierda_pared, frente_centro_objeto) con 26 opciones predefinidas.
Distancia (Distance): Un desplazamiento escalar desde el anclaje.

Esta representación incorpora prioridades estructurales, lo que resulta en descripciones posicionales más estables en comparación con las coordenadas brutas. Un sistema de Generador-Intérprete bidireccional convierte entre los parámetros de la disposición 3D y los enunciados del DSL.

2. Construcción del Conjunto de Datos: 3D-FrontDSL

Para entrenar el modelo, los autores construyeron 3D-FrontDSL, un conjunto de datos derivado del conjunto de datos 3D-Front.

Preprocesamiento: Los planos de planta irregulares se descomponen en "meta-habitaciones" rectangulares mediante geometría computacional.
Anotación: El conjunto de datos incluye anotaciones de la estructura de la habitación (paredes, puertas, ventanas, huecos) emparejadas con secuencias de acciones DSL sintéticas generadas por el generador de DSL.
Escala: El conjunto de datos contiene 9,305 pares de meta-habitaciones y su disposición.

3. Pipeline de Entrenamiento

El marco emplea un proceso de entrenamiento de dos etapas:

Ajuste Fino Supervisado (SFT): El LLM se alinea con la sintaxis y semántica del DSL de Layout utilizando el conjunto de datos 3D-FrontDSL. El modelo aprende a generar secuencias de acciones de la estructura del DSL condicionadas a la información estructural de la habitación.
Aprendizaje por Refuerzo (RL) con Recompensas Verificables: Para mejorar la plausibilidad física y la lógica del diseño, la política se optimiza utilizando la Optimización de Política Relativa de Grupo (GRPO). La función de recompensa se compone de cinco métricas verificables basadas en principios de diseño de interiores:
- Colisión (COL): Penaliza el solapamiento de cajas delimitadoras.
- Fuera de Límites (OOB): Penaliza el mobiliario que se extiende más allá de los límites de la habitación.
- Colocación Prohibida (FP): Penaliza la colocación de muebles en zonas restringidas (por ejemplo, bloquear puertas o frentes de ventanas).
- Accesibilidad de Ruta (REA): Asegura la conectividad global y la accesibilidad de los objetos.
- Lógica del Espacio (LOG): Evalúa la consistencia funcional (por ejemplo, la orientación de la cama con respecto a las puertas) y la armonía espacial.
- Nota: Se incluye una penalización anti-hacking para evitar que el modelo genere disposiciones dispersas para evadir las penalizaciones de colisión o accesibilidad.

Principales Contribuciones

Aprendizaje de Política Basado en DSL: La introducción de un lenguaje de dominio específico de disposición que transforma la generación de escenas interiores en un problema de aprendizaje de políticas sobre un espacio de acción estructurado e interpretable, alejándose de la regresión directa de coordenadas.
Conjunto de Datos 3D-FrontDSL: La creación de un nuevo conjunto de datos que presenta anotaciones de estructura de habitación (incluyendo puertas y ventanas) emparejadas con enunciados DSL sintéticos, permitiendo la generación de disposiciones condicionadas a la estructura.
Recompensas de RL Verificables: La propuesta de un sistema de recompensa integral que incorpora la viabilidad geométrica y los principios de diseño alineados con humanos, demostrando que el RL mejora significativamente la calidad de la disposición.

Resultados Experimentales

Los autores evaluaron LayoutDSL en RealHome60, un conjunto de prueba de 60 habitaciones residenciales reales.

Rendimiento vs. Baselines: Un LLM de 4B de parámetros (Qwen3-4B-Instruct) ajustado con LayoutDSL y RL logró una puntuación media de 0.878 a través de cinco métricas (COL, OOB, FP, REA, LOG).
Comparación con Grandes Modelos: Este modelo de 4B superó a muchos LLM líderes de la industria mucho más grandes y no ajustados (por ejemplo, Gemini-3.1, GPT-5.1) en la configuración de pocos disparos (few-shot), superando a Gemini-3.1 por 26.4 puntos porcentuales.
Comparación con Métodos Existentes: LayoutDSL superó al baseline más fuerte existente (I-Design) por 28.4 puntos, destacando particularmente en el manejo de restricciones estructurales (métricas FP y LOG).
Estudios de Ablación:
- DSL vs. Parámetros Directos: La generación basada en DSL superó consistentemente a la predicción de parámetros directos tanto en las etapas de SFT como de RL.
- SFT y RL: El SFT mejoró la puntuación media de 0.357 (baseline) a 0.685, mientras que el RL la elevó aún más hasta 0.878.
- Anti-Hacking: La eliminación de la penalización anti-hacking degradó el rendimiento, confirmando su necesidad para una densidad de objetos realista.

Significado y Reivindicaciones

El artículo afirma que, al proyectar el cómputo espacial en un espacio de acción de DSL, LayoutDSL permite que los LLM aprendan la lógica de razonamiento del diseño de interiores en lugar de simplemente memorizar distribuciones de coordenadas. Los autores aseguran que este enfoque:

Mejora sustancialmente la plausibilidad espacial y la lógica del diseño.
Permite que modelos más pequeños (4B) superen a modelos más grandes y no entrenados aprovechando el razonamiento estructurado y la retroalimentación verificable.
Proporciona un marco escalable e interpretable para el diseño de interiores automatizado, con aplicaciones potenciales en la generación de datos basados en simulaciones y la síntesis de escenas comerciales.

Los autores concluyen que, si bien el trabajo actual se centra en habitaciones estructuradas, las direcciones futuras incluyen el manejo de geometrías de habitaciones irregulares y requisitos de usuarios diversos, sugiriendo que el RL a gran escala podría facilitar aún más el despliegue en aplicaciones de diseño inteligente complejas.