تدريب Scene-Designer على 35 ألف مثال تصميم و15 ألف مثال نقد لمشاهد ثلاثية الأبعاد

قدّم باحثون Scene-Designer، وهو نظام وكيلي ينشئ مساحات داخلية ثلاثية الأبعاد بناءً على طلب نصي ويقيّم النتيجة بنفسه. يقوم التدريب على مجموعتي بيانات جديدتين: Scene-OTA-35K التي تضم 35 ألف مثال على التصميم وتصحيح الأخطاء، وScene-OTC-15K التي تضم 15 ألف مثال على النقد. وأضاف المؤلفون فوقهما خوارزمية Scene-GRPO، التي يوجّه فيها ناقدٌ مدرَّب عملية التعلم. نُشر العمل في Hugging Face Daily Papers.

المشكلة: لا يكفي توليد المشهد، بل يجب «رؤيته»

لا تتعثر عملية توليد غرف ثلاثية الأبعاد من نص عند قدرة النموذج على وضع أريكة في إحداثيات معينة، بل عند الحس السليم. يجب ألا يتقاطع الأثاث مع الجدران. وتلزم طاولة الطعام في موضع يمكن فيه المرور حول الكراسي. ولا ينبغي وضع السرير في الممر. وبحسب المؤلفين، تعتمد الأساليب الحالية على أحد نهجين: إما نماذج عامة الأغراض لا تملك خبرة متخصصة في التصميم، وإما تدريب على مشاهد جاهزة وثابتة لا تتضمن عملية البحث عن الحل ولا تصحيح الأخطاء. والنتيجة أن النموذج يرى المحصلة النهائية، لكنه لا يرى كيف يُتوصَّل إليها.

يحاول Scene-Designer سدّ هذه الفجوة عبر نوعين متكاملين من الخبرة: كيفية تصميم المشروع وكيفية تقييمه.

كيف يعمل النظام

يعمل الوكيل وفق مخطط «ملاحظة، فكرة، فعل». ينظر إلى الحالة الراهنة للمشهد، ويستنتج، ثم يُدخل تعديلًا. ويتعلم جزء مستقل من التدريب النقد: الحلقة نفسها «ملاحظة، فكرة»، لكن المخرج حكم على الجودة.

• Scene-OTA-35K — 35 ألف مثال بصيغة Observation–Thought–Action. تعلّم تصميم المشهد وتصحيح الأخطاء بكفاءة.
• Scene-OTC-15K — 15 ألف مثال بصيغة Observation–Thought–Critic. تعلّم تقييم المشهد وفق ثلاثة معايير: الصلاحية الفيزيائية، والصحة الوظيفية، وترابط المخطط.
• Scene-Critic — ناقد مدرَّب يقيّم المشاهد، وتجري مقارنته بالنماذج العامة.
• Scene-GRPO — نسخة من GRPO يوجّهها الناقد. تحسّن القرارات التصميمية وتقلّص دورات التجربة والخطأ الزائدة.

النقطة الأخيرة مهمة عمليًا. فخطوط المعالجة الوكيلية (pipelines) الخاصة بالمحتوى ثلاثي الأبعاد كثيرًا ما تستهلك خطوات عديدة في ترتيب الأجسام، ثم اكتشاف التصادم، ثم إعادة الترتيب، ثم الفحص من جديد. وإذا قلّ خطأ النموذج من المحاولة الأولى، انخفض عدد الاستدعاءات ووقت التوليد.

ماذا أظهرت التجارب

لا يتضمن الملخص قيمًا محددة للمقاييس، لذا ما زال من المبكر مقارنة الأرقام مع أنظمة أخرى. ويصوغ المؤلفون استنتاجاتهم النوعية على النحو الآتي. يتفوق Scene-Designer على الأساليب الأساسية في المحاور الثلاثة كلها: الصلاحية الفيزيائية، والصحة الوظيفية، وترابط المخطط. ويتقدم Scene-Critic بوضوح على النماذج العامة في تقييم المشاهد. وتحسّن تلميحات الناقد أثناء الاستدلال (inference) التوليدَ بدرجة إضافية، أي أن فائدته لا تقتصر على كونه أداة تدريب.

ومن الملاحظات المستقلة أن القدرة على التصميم والقدرة على النقد تنموان معًا، بحسب التحليل. فكلما أحسن النموذج التصميم، ازدادت دقته في التقييم، والعكس صحيح. وهذه فكرة مألوفة في تدريب الوكلاء: المقيِّم والمنفِّذ يتشاركان فهمًا واحدًا للمجال.

لمن ستفيد هذه الطريقة

تتركز التطبيقات القريبة في توليد بيئات اصطناعية لتدريب الروبوتات والوكلاء المجسَّدين (embodied agents)، حيث تلزم آلاف الغرف المعقولة فيزيائيًا. كما تصلح لنماذج الألعاب الأولية، والتحضير الافتراضي للتصميم الداخلي، وتصور المخططات. وبالنسبة إلى الفرق التي تبني خطوط معالجة وكيلية خاصة بها، تقدّم الورقة وصفة يمكن اقتباسها: عدم الاكتفاء بمسارات الأفعال، بل تدريب ناقد على حدة وتوصيله وقت الاستدلال بوصفه مرشِّحًا منخفض الكلفة.

والقيود واضحة كذلك. فالمتاح حتى الآن هو الملخص فقط، ومن دون الجداول الكاملة ووصف المشاهد وبيانات كلفة التوليد يصعب تقدير المكسب الفعلي. ويستحسن انتظار الشيفرة ومجموعات البيانات للتحقق من مدى انتقال الناقد إلى مشاهد خارج توزيع التدريب.