林一二2021年03月15日 18:06
Make it Home: Automatic Optimization of Furniture Arrangement
每次用模拟退火从随机排布花2W步左右重新排成合理的布局，每一步重排的合理度的量化主要是看有没有物品放到了别的物品的「工作区域」或「可视区域」上。
使用了深度学习，从手编的例子中学习。先随便生成，然后搞一个考虑各种因素的损失函数：
- human-accessibility
- visibility
- spatial relationships with respect to the room
- hierarchical object relationships
- pair-wise object relationships
用手编的例子来初始化参数。最后循环更新随机生成的布局，每一步都模拟退火随机动一动，看看结果够不够好，大概 2.5W 迭代能从随机排布变成合理的布局。
Accessible space
会给一些家具例如椅子配上Rimworld、修仙模拟器风格的「工作站立区域」，摆放的时候这些区域不能有其他物体。这个区域不是完全禁止放东西，而只是有东西时会大幅增加全局损失。
visibility 也是用类似的方式生效的，只不过「可视区域」比「工作区域」会长很多。
pair-wise orientation 类似桌子附近的椅子得对着桌子这样。
随机移动
- 每一步都看看动之后有没有减少损失，要多动一动，所以有时候会直接对调两个物品，常常会大幅改变价值
- 平移和旋转分开来作为两个步骤的话优化更快，移动的幅度用正态分布生成，乘以当前退火温度
- 门之间走路的区域是用三阶贝叶斯曲线表示的，然后在上面放一系列方形作为碰撞盒，退火时会调整曲线参数