ロボットに部屋のデコレーションの仕方を教えようとしている場面を想像してみてください。コンピュータサイエンスの世界では、これは「屋内シーン・レイアウト生成（indoor scene layout generation）」と呼ばれます。長い間、科学者たちは、コンピュータにソファやベッド、本棚をどこに置くべきかを判断させる方法を模索してきました。彼らは、家具の正確なX、Y、Z座標（家具のためのGPSのようなもの）を推測したり、部屋のラフなボックスを描いたりすることを機械に教えてきました。しかし、ここに問題があります。現実の部屋は単なる空の箱ではありません。開けておく必要があるドアがあったり、巨大なワードローブで塞いではいけない窓があったり、標準的な家具がうまく収まらない変な角があったりします。コンピュータがすべての家具に対して正確な数値を推測しようとすると、しばしば迷走し、パーツがうまく噛み合わないテトリスのゲームのようなレイアウトを作ってしまったり、最悪の場合、家具が宙に浮いてしまったりするのです。

ここで、新しいアイデアが登場します。コンピュータに複雑な数学を使って数値を見つけさせる代わりに、もし「特別な言語」を話すように求めたらどうでしょうか？それは、子供にレゴブロックの遊び方を教えるようなものです。「赤いブロックを座標4.2、7.1、0に置いて」と言う代わりに、「赤いブロックを青いブロックの隣、左側に置いて」と言うのです。この論文は、AIにこの特別な言語を教えるシステムであるLayoutDSLを紹介しています。目標は、AIを「数値の推測」ではなく、論理と関係性（「隣に」「〜に面して」「中央に」など）を用いて、人間のデザイナーのように考えさせることです。

数値を推測することの問題点

この論文の著者たちは、既存の多くの手法が、コンピュータがすべての家具に対して特定の数値を予測しなければならない数学の問題として、部屋のデザインを扱っていることに気づきました。彼らはこれを「直接座標予測（direct coordinate prediction）」と呼んでいます。コーヒーテーブルの位置を、「左の壁から3.613メートル、後ろの壁から2.778メートルの地点にある」と説明しようとしている状況を想像してみてください。もし部屋の形が少し変わったり、壁の形が変わったりすれば、その数値は役に立たなくなります。部屋が変わるたびに、コンピュータはその数値を学び直さなければなりません。

論文では、このアプローチは、ドアや窓といった部屋の「ルール」を無視しているため、欠陥があるのだと主張しています。それは、木が邪魔にあるかどうかを確認せずに、GPSの数値だけを見て車を駐車しようとするようなものです。コンピュータは完璧な位置を計算できるかもしれませんが、もしその場所が壁の中であったり、ドアを塞いでいたりすれば、デザインは失敗します。著者たちは、AIに（単なる数値ではなく）関係性を記述する構造化された言語（ドメイン固有言語、またはDSL）を使用させることで、AIがデザインの実際のロジ比を学習できると示唆しています。

解決策：AIに新しい言語を教える

これを修正するために、チームはLayoutDSLというフレームワークを作成しました。これは、AIが座標を直接出力するのではなく、一連の指示を特別な言語で出力する仕組みです。これは、AIにレシピ本を渡すようなものです。「ソファを(5, 2)に置いて」と言う代わりに、AIは「ソファ1を、テレビに面するように、北側の壁に背をつけ、わずかな隙間を開けて配置せよ」と出力します。

構築方法は以下の通りです：

1. 言語 (DSL): 彼らは家具の配置を記述するための一連のルールを考案しました。この言語の文章は、次のような形になります：place sofa1 orient:90.0 wall5 wall_center_left:0.028 distance:0.000。これはコンピュータに、「ソファ番号1を、90度回転させ、壁番号5にアンカーを張り、中心からわずかに左に寄せ、壁からの距離を0として配置せよ」と伝えています。これは生の数値よりもはるかに安定しています。なぜなら、家具が虚空のどこにあるかではなく、部屋とどのように関係しているかを記述しているからです。
2. 学習データ (3D-FrontDSL): AIにこの言語を教えるためには、古いデータを使うだけでは不十分でした。彼らは3D-FrontDSLという新しいデータセットを作成する必要がありました。彼らは何千もの実際の3Dルームデザインを取り出し、コンピュータプログラムを使用して、家具の座標をこれらの新しいDSL文章へと翻訳しました。これにより、AIが学習するための「部屋 ＋ DSL文章」のペアからなる膨大なライブラリが作成されました。
3. 2段階のトレーニング:
   • ステップ1（教師あり微調整 / Supervised Fine-Tuning）: まず、AIに部屋の情報（例：「これは北側にドアがあるリビングルームである」）を読み取り、正しいDSL文章を出力することを教えました。これは、AIにインテリアデザインの語彙と文法を教えるようなものでした。
   • ステップ2（強化学習 / Reinforcement Learning）: ここでAIには「コーチ」がつきます。チームは、AIのデザインが実際に機能するかどうかをチェックするためのルール（報酬）を作成しました。家具が壁に衝突していないか？（衝突 / Collision）。ドアを塞いでいないか？（禁止配置 / Forbidden Placement）。歩くための十分なスペースがあるか？（到達可能性 / Reachability）。もしAIが間違いを犯せば、「悪いスコア」を与えます。もし良いレイアウトを作れば、「良いスコア」を与えます。AIは何度も何度も練習し、先生の赤ペンによる添削から学ぶ生徒のように、間違いを避ける方法を学びながら、より高いスコアを目指します。

得られた結果

結果は非常に印象的なものでした。チームは、新しいシステムであるLayoutDSLを、数千億のパラメータを持つ強力な大規模AIモデルを含む、既存の最大級のAIモデルと比較テストしました。彼らのモデルは（わずか40億パラメータと）はるかに小規模であったにもかかわらず、それらの巨人を上回る性能を発揮しました。

• 優れた論理: LayoutDSLを使用したAIは、より論理的なレイアウトを作成しました。ドアや窓を塞ぐことがほとんどなく、家具がその部屋に馴染んでいるように感じられました。
• 高い成功率: 他のモデルは、時として使い物にならないレイアウト（行き詰まったり、意味不明なものを生成したりする）を作成して失敗することがありましたが、LayoutDSLはテストにおいて100%の成功率を収めました。
• 言語の力: 新しい言語ベースの手法を、従来の「数値を推測する」手法と比較したところ、言語によるアプローチが圧倒的な勝利を収めました。論文は、AIに生の数値ではなく関係性（DSL）を考えるように強制することで、デザインの背後にある「推論」をより速く、より効果的に学習できることを示唆しています。

なぜ重要なのか

この論文は、AIデザインの未来が、単に数学ができるより大きなコンピュータを作ることではないことを示唆しています。それは、適切な方法で考え方を教えることです。人間が空間を表現する方法を模倣した構造化された言語を使用することで、AIは部屋の「ルール」を理解できます。これは、間もなく、家具が完璧にフィットし、ドアが開けられ、部屋が素晴らしく見えるように、自宅の再設計を支援してくれるAIツールが登場することを意味します。コンピュータがスーパーコンピュータである必要はなく、適切な「言語」と少しの「練習（強化学習）」があれば、小さなAIでも熟練のインテリアデザイナーになれることを、著者たちは証明したのです。