SceneBloom用生成室内场景训练导航智能体

SceneBloom 团队放出论文、代码和项目页，并以扩散模型生成 3D 室内场景。其场景在语义关系与物理合理性上优于 Holodeck、SceneWeaver、SAGE 等基线，导航收益达真实扫描的 1.7 倍，并实现零 mesh 碰撞，契约违例率从 37.45% 降至 4.25%。

SceneBloom 提出用扩散模型与智能体流程生成可执行、物理合理的 3D 室内场景，用于训练具身智能。对比同等规模的真实扫描，其导航性能提升 1.7 倍，检测到的 mesh 碰撞为零，契约违例率从 37.45% 降至 4.25%。生成场景在语义关系和物理合理性上优于 Holodeck、SceneWeaver、SAGE 等基线，论文、代码与项目页均已放出。

论文提出 SceneBloom，一种用于具身学习的智能体式室内环境生成框架，生成场景可用于训练物体导航策略。其分层采样器利用扩散先验生成家具布局，编译器根据提案关系完成几何拟合与局部姿态修正，生成物理有效的3D场景。实验覆盖五种房间类型，视觉质量与物理稳定性最高；用其场景训练后，在真实扫描上的导航成功率达到真实训练扫描的1.7倍，论文与代码均已公开。