未来骨科医工融合—文献集萃（一） Haisor：通过深度强化学习实现人类感知的室内场景优化

发布日期： 2024-09-11 09:49:30 阅读量： 26

未来骨科 医工融合—文献集萃（一） Haisor：通过深度强化学习实现人类感知的室内场景优化

汇报人：胡世贺（北京建筑大学机电与车辆学院）

摘要

当前在优化室内场景时面临的主要挑战之一是，传统的室内场景生成技术往往忽略了物体的可移动性这一关键特性。这种忽略导致生成的室内环境与实际应用需求存在显著差距，无法真实反映现实中的动态布局和功能需求。因此，如何在场景生成过程中充分考虑并模拟物体的移动性和摆放方式，以提升场景的真实感和实用性，成为亟待解决的问题。为了解决这个问题，作者初次引入了Haisor—一种利用强化学习技术在三维室内环境中进行场景配置的框架，旨在识别并生成一系列动作以自动化提升室内空间的布局效果，从而达到增强人类感知的目标。

方法

作者创新性地应用了基于层次化场景图的表示方法，并结合蒙特卡洛树搜索（MCTS）与深度Q学习，以精准预测并执行最优的动作序列。尤其值得一提的是，MCTS这一策略在处理包含长时间序列与庞大动作空间的复杂问题时，展现出其卓越的搜索能力，成为寻获最佳解决方案的核心驱动力。多元化的感知奖励被精心设计为人类与机器交互的核心准则，其目标在于借助高效能的强化学习机制，精准预测并执行下一步智能化操作。

创新点

这篇文章首先是针对现有室内家具布局生成的一些问题，例如，未考虑可活动物件的功能性以及人的舒适性等一些问题，本文提出了一种基于Haisor代理的创新方法，该方法结合了3D场景图表示、决斗双DQN（深度Q网络）、蒙特卡罗树搜索以及运动规划技术，生成了一系列优化动作，并且通过对人景交互的方式，对场景进行了合理的优化，对以上问题进行解决。同时，为了保证可动设备的功能性和场景中人类可操作性，本文对可活动物件的移动，主要做了两种运动的定义：铰链和滑块。对于人的舒适度交互一个是人类可以在场景中自由地操纵家具的可移动物件（这个主要考虑的是物件的功能性），另一个是人类在场景中走动的空间需要尽可能大，这个考虑的是人的活动范围。而且，本文将场景图扩展为两层结构：对象级和部件级。这种两层场景图结构通过关联对象与部件的所有权关系，全面考虑了不规则设备与墙面的距离，以及人类在操作这些设备时的运动规划，进一步增强了场景的合理性和实用性。

图示：给定一个初始场景，我们的Haisor代理利用场景图表示、Dueling Double DQN、蒙特卡罗树搜索和运动规划技术并输出一系列动作。在此基础上，对场景进行优化，以达到高度理性和人性化的目标。对于合理性，我们期望家具的整体布局是真实的，家具之间不存在碰撞。对于人的可提供性，我们期望人的活动自由空间尽可能的大，人们可以不受阻碍的操作家具的活动部件。

文章来源：https://dl.acm.org/doi/10.1145/3632947

视频链接：请扫描下方二维码，进入官方视频号查看文献汇报完整版内容

上一篇: 未来骨科医工融合—文献集萃（二） MIT赵选贺：藤壶胶启发的不依赖血凝的止血粘合剂

未来骨科 医工融合—文献集萃（一） Haisor：通过深度强化学习实现人类感知的室内场景优化

未来骨科医工融合—文献集萃（一） Haisor：通过深度强化学习实现人类感知的室内场景优化