Resumo Técnico: PolyLayout

Definição do Problema

Gerar layouts de ambientes 3D fisicamente plausíveis é fundamental para o varejo de mobiliário doméstico, permitindo que os clientes visualizem produtos em seus próprios espaços. No entanto, existe uma lacuna significativa entre a pesquisa acadêmica e a aplicação no mundo real. As soluções existentes concentram-se primariamente em estratégias algorítmicas para o posicionamento de móveis dentro de quartos retangulares idealizados. Elas negligenciam amplamente as geometrias não retangulares complexas (ex: formatos em L, T ou paredes com recortes) e as restrições arquitetônicas rigorosas (portas, janelas, nichos) prevalentes em residências reais. Além disso, abordagens puramente baseadas em dados frequentemente tratam a geração de layout como um mapeamento de "caixa-preta", falhando em impor restrições espaciais rígidas. Isso resulta em layouts onde objetos colidem, violam relações ergonômicas ou extrapolam limites. Por outro lado, modelos semânticos como Grandes Modelos de Linguagem (LLMs) e Modelos de Linguagem-Visão (VLMs) destacam-se no raciocínio funcional, mas carecem da precisão geométrica necessária para o posicionamento exato de coordenadas e não conseguem lidar nativamente com limites poligonais irregulares como restrições rígidas.

Metodologia

O PolyLayout introduz um framework híbrido e hierárquico projetado para preencher a lacuna entre o raciocínio semântico e a viabilidade geométrica. O sistema desacopla a geração do layout em três estágios distintos, processando uma topologia de ambiente (em formato glTF) e um inventário de móveis predefinido.

1. Processamento de Entrada e Agrupamento Funcional (Estágio 1)

O sistema primeiro reconstrói o polígono do piso real através da travessia dos pontos finais das paredes, preservando exatamente planos não retangulares. Ele extrai aberturas estruturais (portas/janelas) e atribui normais voltadas para o interior às paredes.

• Agrupamento (Clustering): O inventário de móveis é particionado em "pacotes funcionais" (grupos coerentes como uma cama com mesas de cabeceira) e itens avulsos usando uma taxonomia baseada em regras.
• Arranjo Interno: Dentro de cada pacote, os itens são organizados em relação a uma âncora obrigatória (ex: uma escrivaninha para uma área de trabalho) usando templates determinísticos baseados em regras. Isso resolve a geometria fina (folgas, posicionamento de superfície) antes que o posicionamento global ocorra.

2. Roteamento Macro Guiado por VLM (Estágio 2)

Um Modelo de Linguagem-Visão (VLM) lida com o posicionamento semântico de alto nível dos pacotes e itens avulsos.

• Contexto: O VLM recebe uma entrada multimodal: uma renderização aérea do ambiente com paredes e aberturas codificadas por cores, descrições textuais estruturadas de dimensões e aberturas, e dimensões dos itens.
• Geração Aumentada por Recuperação (RAG): Um plano espacial é sintetizado através da recuperação de diretrizes de design de interiores curadas (ex: folgas de passagem) para informar o VLM.
• Sugestão Semântica: O VLM gera sugestões de posicionamento relativo (ex: "centro da parede", "ao lado da porta", "em frente ao sofá") em vez de coordenadas brutas. Essas sugestões são restritas a um conjunto dependente de referência para garantir a viabilidade.

3. Realização Geométrica via Posicionamento Dinâmico (Estágio 3)

Um solver determinístico traduz as sugestões semânticas em poses 3D precisas e livres de colisões.

• Ordenação de Dependência: Os objetos são posicionados em uma ordem específica (ex: âncoras grandes primeiro, itens fixados na parede por último) com base em uma travessia de largura (breadth-first) das dependências de referência.
• Teste de Viabilidade: Uma pose candidata é aceita apenas se o objeto estiver totalmente dentro do polígono do piso, respeitar todas as aberturas e não sobrepor nenhum objeto previamente posicionado.
• Busca Local: Se a pose alvo primária for inviável, o solver realiza uma busca discreta ao redor da âncora semântica (ex: deslizando ao longo da parede) para encontrar uma posição válida. Se nenhuma pose de sobreposição zero existir, ele ou atribui a pose de sobreposição mínima global ou reporta o item como não posicionado, evitando colisões forçadas.

Principais Contribuições

1. Pipeline Híbrido Hierárquico: Uma arquitetura end-to-end que separa a geração de layout em agrupamento, roteamento macro e micro-refinamento, desacoplando efetivamente a intenção semântica das restrições geométricas.
2. Roteamento Macro Consciente de Restrições: Uma estratégia guiada por VLM que trata limites poligonais irregulares e aberturas arquitetônicas fixas como restrições rígidas, traduzindo-as em âncoras espaciais acionáveis para plantas reais.
3. Micro-arranjo Pronto para a Indústria: Algoritmos geométricos determinísticos baseados em regras que resolvem as restrições finais com garantias de consciência de colisão, assegurando que o resultado seja adequado para aplicações de varejo onde a viabilidade física é inegociável.

Resultados Experimentais

O sistema foi avaliado em um catálogo de escala de produção de produtos da IKEA através de várias topologias de ambiente, incluindo quartos retangulares sem aberturas, quartos retangulares com portas/janelas e cinco tipos de planos não retangulares (L, T, U, chanfrado, cortado).

• Desempenho em Ambientes Retangulares: Comparado aos baselines Holodeck e LayoutVLM, o PolyLayout alcançou a maior pontuação de plausibilidade perceptual (2,74/4,0) enquanto mantinha um posicionamento perfeito dentro dos limites (1,000) e uma alta taxa de posicionamento (0,973). Ele resolveu o conflito entre completude e validade que afetava os baselines (LayoutVLM teve alta completude, mas baixa plausibilidade; Holodeck teve alta plausibilidade, mas baixa completude).
• Latência: O PolyLayout opera em latência de nível de CPU (70 segundos), significativamente mais rápido que o LayoutVLM (907 segundos) e comparável ao Holodeck (~62 segundos).
• Generalização para Geometrias Irregulares: O PolyLayout foi o único método capaz de lidar nativamente com limites não retangulares e aberturas fixas. À medida que a complexidade da geometria aumentava, o sistema degradava de forma graciosa, mantendo 100% de posicionamento dentro dos limites e alta completude (>95%), com apenas uma leve queda na plausibilidade perceptual.
• Avaliação Humana: Em um estudo cego, avaliadores humanos preferiram os layouts do PolyLayout em 61% dos casos sobre os baselines. As pontuações do juiz VLM correlacionaram-se bem com as preferências humanas (72% de concordância sobre o layout preferido).

Significância e Alegações

O artigo afirma que o PolyLayout consegue preencher a lacuna entre a geração de layouts acadêmicos e os requisitos do varejo real. Ao combinar as capacidades de raciocínio semântico de VLMs com solvers geométricos determinísticos, o sistema produz layouts que são não apenas funcionalmente coerentes, mas também fisicamente válidos dentro de ambientes domésticos complexos e irregulares.

Os autores posicionam o sistema como uma ferramenta para reduzir a barreira do problema do "quarto vazio", fornecendo um ponto de partida concreto e plausível para refinamento. Eles reconhecem limitações, observando que o sistema é atualmente limitado a ambientes únicos de um catálogo específico e que os templates de posicionamento fino são criados manualmente, representando um custo de escalabilidade. No entanto, o framework demonstra que abordagens híbridas podem alcançar alta qualidade perceptual e conformidade geométrica com baixa latência, estendendo as capacidades para limites irregulares que métodos existentes não suportam nativamente.