arXiv cs.MA· Athanasios Masouris, Zheng Jing, Benjamin Sam Chandler, Hadi Jamali-Rad·· 10 天前AI 评分26
CANDO：面向布局设计优化的协作式智能体网络
CANDO: Cooperative Agentic Network for Layout Design Optimization
AI 导读
针对现有生成式 AI 布局基准多局限于矩形区域、依赖 FID 和 IoU 等分布指标的问题，研究者提出 ALPS-Bench，包含 1,000 个专业标注的真实设施布局及基于结构化设计手册的评分协议。
正文 · AI 翻译
摘要：真实世界设施的布局生成是一个具有挑战性的问题，需要对不规则场地边界、异构朝向、考虑通行性的放置以及运动规划可行性进行推理。然而，生成式 AI 领域现有的大多数布局基准都针对矩形域上更简单的放置问题，并依赖 FID 和 IoU 等分布性指标，这些指标奖励对数据集先验的趋同，从而低估了设计创新。受这些缺口的启发，我们推出了 ALPS-Bench，这是一个包含 $1,000$ 个经过专业标注的真实世界设施布局的基准，并配有基于结构化设计手册的实例特定评分协议。作为 ALPS-Bench 的强基线，我们提出了 CANDO，一个免训练的多智能体框架，其中专门的智能体通过基于验证的循环迭代优化布局，将推理集中在战略性空间决策上。我们证明，CANDO 在广泛采用的 PubLayNet、RICO 和 PKU-PosterLayout 基准上超越了最先进的训练模型和基于 LLM 的基线，确立了协作式智能体设计作为约束感知布局合成的一种广泛有效的方案。
| Comments: | 已被 NeurIPS 2026 接收。这是论文的预印本版本 |
| Subjects: | 多智能体系统 (cs.MA) |
| Cite as: | arXiv:2610.10044 [cs.MA] |
| （或 arXiv:2610.10044v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10044 arXiv 颁发的 DOI 通过 DataCite（待注册） |
Submission history
来自：Athanasios Masouris [查看电子邮件]
[v1]
2026年10月7日星期三 13:20:52 UTC（6,420 KB）
来源：arXiv cs.MA · arxiv.org