发生了什么
机器人要想真正走进普通家庭，训练和评测就不能一直受制于现实世界的数据采集效率。仿真环境因此成了绕不开的一环。但现有仿真环境大多家具稀疏、陈设单调，而真实房间恰恰是又挤又乱，物体相互支撑、遮挡。 目前有两条主线可以批量的生成这种房间，一条是 智能体 来通过文本生成场景，一条是通过 参数化的方式通过图片来生成场景。 但是这两条主流路线都撞了墙。 智能体文生 3D 让视觉语言模型（VLM）像室内设计师那样反复提出物体、摆放、检查、再调整，能产出高质量、物理上站得住脚的场景，代价是慢：SAGE 在实验中生成单个场景耗时 7.56 小时，比人工手动摆一遍还慢。 参数化图生 3D 把场景构建拆成"逐物体资产生成 + 6D 位姿估计"，借助真实图像自带的布局先验，十几分钟就能还原整个场景，代价是不准：直接回归的位姿经常物理上站不住，经常产生椅子悬空、书本穿模进隔板的现象，碰撞率高达 20%~26%。 还有一个问题，是两条路线都没有真正解决的 ：不够"活"。 现有方法对一个输入只给一个确定性布局。但真实房间会随着人的活动不断变化的同时，比如椅子被拉开、书被换到别的位置，整体功能和物理关系依然却成立。仿真需要的，正是这种 保持场景连贯性的结构化重排 ，而不是现有方法反复采样后往往只能得到的、原布局附近的小幅变化。 为此，来自香港大学等机构的戴勃老师团队提出了 SceneMosaic 。Mosaic（马赛克）正是它的核心隐喻： 一个场景不是固定不动的整体 ，而是由 一块块 可以独立替换的"局部拼片"拼成的。 论文标题：SceneMosaic: Efficient and Diverse Simulation-Ready Scene Generation via Hybrid Agentic Layout Evolution 作者：Xingjian Ran*, Xiaoye Mo*, Sihao Liu, Jianyu Zhang, Li Luo, Bo Dai 论文地址：https://arxiv.org/abs/2609.05594 项目主页：https://rxjfighting.github.io/SceneMosaic 代码链接：https://github.com/rxjfighting/SceneMosaic SceneMosaic 是如何实现的？ SceneMosaic 的整体流程分为三个阶段： 场景重建与结构化 → 智能体布局演化 → 多样性驱动的场景组合 。 第一步：把一张图变成一棵"场景树"。 感知智能体先完成实例级物体登记， 接着SAM3 分割、SAM3D 独立重建出每个物体的网格与初始位姿；再通过一张有向无环图（DAG）调度专职子智能体，推断房间边界与物体间的 attach （支撑）和 contain （容纳）依赖，把场景组织成层级化
机器人要想真正走进普通家庭，训练和评测就不能一直受制于现实世界的数据采集效率。仿真环境因此成了绕不开的一环。但现有仿真环境大多家具稀疏、陈设单调，而真实房间恰恰是又挤又乱，物体相互支撑、遮挡。 目前有两条主线可以批量的生成这种房间，一条是 智能体 来通过文本生成场景，一条是通过 参数化的方式通过图片来生成场景。 但是这两条主流路线都撞了墙。 智能体文生 3D 让视觉语言模型（VLM）像室内设计师那样反复提出物体、摆放、检查、再调整，能产出高质量、物理上站得住脚的场景，代价是慢：SAGE 在实验中生成单个场景耗时 7.56 小时，比人工手动摆一遍还慢。 参数化图生 3D 把场景构建拆成"逐物体资产生成 + 6D 位姿估计"，借助真实图像自带的布局先验，十几分钟就能还原整个场景，代价是不准：直接回归的位姿经常物理上站不住，经常产生椅子悬空、书本穿模进隔板的现象，碰撞率高达 20%~26%。 还有一个问题，是两条路线都没有真正解决的 ：不够"活"。 现有方法对一个输入只给一个确定性布局。但真实房间会随着人的活动不断变化的同时，比如椅子被拉开、书被换到别的位置，整体功能和物理关系依然却成立。仿真需要的，正是这种 保持场景连贯性的结构化重排 ，而不是现有方法反复采样后往往只能得到的、原布局附近的小幅变化。 为此，来自香港大学等机构的戴勃老师团队提出了 SceneMosaic 。Mosaic（马赛克）正是它的核心隐喻： 一个场景不是固定不动的整体 ，而是由 一块块 可以独立替换的"局部拼片"拼成的。 论文标题：SceneMosaic: Efficient and Diverse Simulation-Ready Scene Generation via Hybrid Agentic Layout Evolution 作者：Xingjian Ran*, Xiaoye Mo*, Sihao Liu, Jianyu Zhang, Li Luo, Bo Dai 论文地址：https://arxiv.org/abs/2609.05594 项目主页：https://rxjfighting.github.io/SceneMosaic 代码链接：https://github.com/rxjfighting/SceneMosaic SceneMosaic 是如何实现的？ SceneMosaic 的整体流程分为三个阶段： 场景重建与结构化 → 智能体布局演化 → 多样性驱动的场景组合 。 第一步：把一张图变成一棵"场景树"。 感知智能体先完成实例级物体登记， 接着SAM3 分割、SAM3D 独立重建出每个物体的网格与初始位姿；再通过一张有向无环图（DAG）调度专职子智能体，推断房间边界与物体间的 attach （支撑）和 contain （容纳）依赖，把场景组织成层级化
为什么重要
需要你自己点开原文确认一次，这里给的是摘要与判断。
需要你自己点开原文确认一次，这里给的是摘要与判断。
跟你有什么关系
能转：做内容的话，这条多半能直接变成一个选题或一段工作流。
能转：做内容的话，这条多半能直接变成一个选题或一段工作流。
以上判断为规则生成的初稿，发布前请润色。
判定理由
评分 0 / 100