Roomer：给AI生成的房间做一次"体检和微创手术"|roomer|体检|卧室|床头柜|微创手术|房间|沙发|茶几

你有没有玩过那种室内设计AI，输入"帮我设计一个卧室"，它"唰"地一下就给你摆好了床、衣柜、床头柜？画面看起来还挺像样，光影协调，家具风格统一，你甚至会觉得，这已经是一个能拿去装修参考的方案了。

但如果你把这个房间放到3D引擎里走一圈，很可能会撞到东西。

衣柜和床挤在了一起，重叠了一小块；床头柜卡在了门口，把门堵死了一半；甚至床边的过道窄得连一只猫都难转身。这些问题在效果图上根本看不出来，因为AI只是在"排布"物体的大致位置和朝向，并没有真的去计算每一件家具的精确边界会不会撞上另一件家具，会不会挡住门窗的开合空间。

这正是南方国家(南华工大和上海科技大学联合团队)在这篇论文里想解决的问题。他们给这套"看起来很美但细节有毛病"的现象起了个精准的名字：全局合理，局部失效。

为什么"重新生成一次"不是好办法

遇到这种局部错误，最直觉的解决方案是什么？

重新生成一遍呗。

但问题恰恰出在这里。现有的室内布局生成方法，不管是基于自回归模型、图神经网络，还是扩散模型的（比如DiffuScene、InstructScene这些代表性工作），它们的训练目标都是让整个房间的家具分布"看起来像真实数据"，而不是针对某一件具体家具的碰撞、超出边界或者堵门问题做精确纠正。这意味着，当你发现某个床头柜堵住了门，重新让模型生成一次的时候，模型很可能会把已经摆得很好的衣柜位置也给挪了，把本来没问题的沙发朝向也给转了。

**修一个坑，可能会挖出两个新坑。**

这就好比你家里一颗螺丝松了，你不会把整台洗衣机拆了重装一遍，你只会拿起螺丝刀，拧紧那一颗螺丝。如果每次小故障都要整机重装，那你不仅要花更多时间，还有可能在拆装过程中把好好的零件给弄坏了，这就是全局重新生成方案的真实代价：它把一个局部的、可以精确定位的小问题，变成了一次可能引入新错误的大手术。

论文里给出的实验数据印证了这种担忧。他们统计了几个主流生成器在测试集上的表现，家具超出房间边界的比例（OOB，out-of-bounds）普遍在24%到49%之间，碰撞比例（COL，collision）更是高达28%到60%。这意味着差不多每三四个房间里，就有一个存在明显的家具越界或者穿模问题。这不是个例，这是行业现状。

核心思路：把违规问题精确"焊接"到具体的家具上

研究者的洞察是这样的：**残留的违规问题通常是稀疏的、局部的，并且能够归咎于少数几个具体物体和它们之间的几何关系**。

既然问题是局部的，那修复也应该是局部的、可验证的，而不是推倒重来。

基于这个想法，他们提出了Roomer这个反思式修复框架。这个名字本身就很有意思，取自"Room"加上"-er"，暗示它是"给房间做事的人"，具体做的事情就是像一个尽职的室内验房师那样，一件件排查问题、精确定位、局部动刀、验证效果。

### 第一步：把房间"编码"成可以被系统理解的状态

要修复问题，首先得让系统"看懂"这个房间。Roomer把当前的布局转换成一种叫做RoState的规范化表示。

> RoState：一种把房间里每件家具都变成"可寻址对象"的数据结构，包含房间的建筑边界、当前家具布局、由几何关系推导出的功能区域（比如床边的活动空间、餐桌周围需要的操作空间），以及一套稳定的对象引用系统，确保系统在整个修复过程中，"床头柜A"指的永远是同一个物体，不会张冠李戴。

这一步的关键在于稳定引用。想象一下，如果你去医院看病，医生每次检查你身体的某个部位，都要重新确认"这确实是你本人"，这听起来很荒谬，但对AI系统来说，如果没有一套稳定的对象引用机制，修复过程中很容易出现"张三的病开给李四吃药"的乌龙，也就是本该移动衣柜A的指令，误操作到了衣柜B身上。

### 第二步：用RoReview把违规问题"钉"在责任对象上

有了RoState这个基础，下一步是让系统去检测哪里出了问题，并且把每个问题和具体的家具绑定起来。这个过程叫RoReview。

> RoReview：一种把抽象的规则违反（比如"存在碰撞"）转化为具体、可测量证据的机制。它会记录违规类型（碰撞、越界、堵门还是过道太窄）、涉及的具体物体（比如"床"和"床头柜"）、每个物体在这次违规中扮演的角色（谁是"受害者"谁是"肇事者"）,以及量化的几何证据（比如重叠面积是0.15平方米，超出边界的距离是多少米）。

这一步非常关键，因为它把一个模糊的"这个房间有问题"，精确成了"床和床头柜之间存在0.15平方米的重叠，床头柜的尺寸是0.448米乘以0.334米"这样一条可以被计算机验证的具体证据。这就好像医生看病不能只说"你哪里不舒服"，得说清楚"血压140/90，心率95，具体哪个指标超标了"，只有量化的证据，才能指导精确的治疗方案。

论文的消融实验非常直接地证明了这一步的价值。如果去掉RoReview这个环节，让系统直接凭空猜测该修哪里，目标问题的解决率会从98.96%暴跌到2.44%，几乎所有问题都无法被正确定位和修复。**识别出真正该负责的物体，是修复能够成立的前提条件，而不是一个锦上添花的辅助功能。**

第三步：用视觉语言模型"看图说话"，提出修复方案

有了明确的问题定位，接下来需要一个"大脑"来决定怎么修。Roomer在这一步引入了一个几何条件化的视觉语言模型（Vision-Language Model，简称VLM）规划器，基于Qwen2.5-VL-7B-Instruct这个开源模型微调而来。

这个规划器接收的信息包括当前房间的俯视语义渲染图、目标房间的需求描述（比如"要有一张双人床、两个床头柜"）、结构化的RoState文本描述，以及选定的RoReview违规证据。它需要输出一个结构化的StatePatch，也就是一份"处方"。

> StatePatch：一份结构化的修复处方，包含三个要素：动作类型（是移动、旋转、缩放、插入、删除还是替换）、修复目标（具体是哪个物体）、初始参数种子（比如移动的大概方向和距离）。

有意思的是，这里存在一个矛盾：文字描述容易让距离、角度这些精确的数字信息变得模糊。想象你让朋友帮你挪一下沙发，你说"往左边挪一点"，这个"一点"到底是多少厘米，全凭朋友自己感觉，很容易挪得不到位或者挪过头。

为了解决这个问题，研究者设计了一套几何条件化机制，把每个涉及问题的物体的类别、角色、位置尺寸等结构化的数字信息，单独编码成"证据token"，然后通过一种叫门控交叉注意力的技术，注入到语言模型的解码过程中。简单说，就是让语言模型在"读文字"的同时，还能"看数字"，两种信息对齐、互相印证，而不是单纯依赖文本描述里那些容易模糊的形容词。

消融实验显示，去掉这套几何条件化适配器后，物理有效性从72.64%降到62.82%，严格安全修复率从96.27%降到81.64%。降幅不算灾难性，但确实证明了：**一旦知道该修哪个物体，精确的几何测量数据能让执行环节做得更准更稳。**

第四步：确定性求解器，把"大概方向"变成"精确坐标"

VLM规划器给出的只是一个"初始猜想"，比如"往左移动大概0.448米"。这个数字未必精确到能一次成功，这时候就轮到确定性求解器出场了。

求解器会先尝试规划器给出的这个初始候选方案，如果验证失败，就按照预先设定好的规则，系统性地尝试一系列备选方案。比如对于"移动"这个动作，系统会依次尝试位移0.05米、0.10米、0.15米直到0.40米，再往上尝试0.60米到1.20米这些更大的距离，同时结合左右各偏移0.10米的微调。第一个通过验证的候选方案会被采纳，后面的就不再尝试了。

这个设计其实很像医生做手术前的预演。外科医生不会直接一刀切下去，而是会先做影像扫描，确定切口的精确位置和深度，如果初步方案有风险，再逐步调整切入角度和深度，直到找到一个既能切除病灶又不伤及周围组织的最优方案。如果没有这个"逐步试探、验证优先"的机制，直接让语言模型的"大概猜测"生效，会发生什么？

论文里做了这个对比实验。如果直接执行规划器给出的种子方案而不做任何确定性搜索（论文里称为Direct Seed变体），目标问题解决率只有65.70%，严格安全修复率只有55.18%，比完整系统（分别是98.96%和96.27%）低了三十多个百分点。**这说明单靠语言模型的"直觉猜测"是远远不够精确的，必须靠确定性搜索来兜底。**

第五步：验证闸门，只有真正变好才允许提交

这是整个系统里我认为设计得最谨慎的一环。每一个候选修复方案，在真正被采纳之前，都要先在一个临时的、不影响正式布局的"沙盒"环境里跑一遍，重新计算整个房间的所有功能区域和规则实例，然后必须同时满足五个条件才会被接受：

目标问题真的被解决了；没有引入任何新的严重问题（比如修好了碰撞却造成了新的越界）；所有本来已经满足的、且不依赖被修改物体的关系没有被破坏；整体布局结构依然合法有效；整个房间的综合违规程度确实下降了，而不是原地打转。

> 五重验证闸门：这是Roomer防止"拆东墙补西墙"的核心机制，任何一个条件不满足，这次修改就会被回滚，房间恢复到修改前的状态，系统再尝试下一个候选方案。

这五个条件里，我觉得最值得琢磨的是"没有破坏已经满足的关系"这一条。系统在每次修复前，会先记录下当前房间里哪些关系是健康的、且这些关系依赖的物体没有被本次修改动过。如果修复方案改变了某个物体的位置，导致原本满足的一个关系（比如床和床头柜之间原本合理的距离）被破坏了，这次修复就会被判定失败。

这就好比你去医院治疗左膝盖的旧伤，医生做手术前一定会先检查你右膝盖、腰椎这些其他部位现在的健康状况，手术完成后还要再复查一遍全身，确认这次手术除了治好左膝盖，没有把其他部位弄伤。如果手术只关注"左膝盖好没好"，完全不管手术过程有没有殃及其他部位，那这次手术的风险就完全失控了。Roomer的验证闸门，本质上就是这套"全身复查"的思路。

论文里对比了去掉验证和回滚机制之后会发生什么。没有这道闸门，虽然大部分修复仍然是局部的，但新引入严重错误的比例会飙升到54.27%，也就是超过一半的修复操作会顺带制造出新问题。**这个数字直观地展示了为什么"改完就提交"是危险的，必须要有"改完先检查，检查通过才提交"这道关卡。**

训练数据从哪来：故意"破坏"再"修复回去"

一个自然的问题是：怎么训练这样一个能精确定位并修复问题的系统？现成的室内场景数据集里，只有"完整的正确布局"，没有"带毛病的布局"和对应的"修复方案"这种配对数据。

研究者的解法非常巧妙：从已经验证合格的3D-FRONT真实房间布局出发，人为地对它们施加六种可控的破坏操作，也就是移动、旋转、缩放、插入、删除、替换，制造出一个带毛病的版本，然后把"恢复到破坏前的正确状态"所需要的逆向操作，当作标准答案。

这就好像教一个新手学修钟表，与其让他随便拿一堆坏钟表练手（因为你根本不知道哪里坏了，标准答案是什么），不如先拿一块运转良好的钟表，故意拆下某个零件或者拧歪某个齿轮，这样你就精确地知道"哪里被破坏了"以及"正确的修复动作是什么"，这种配对训练数据的质量会高得多。

由此构建出的Roomer-CC数据集（CC代表可控破坏，Controlled-Corruption）包含67550个训练样例，每一个样例都包含损坏的布局、绑定到具体物体的违规证据，以及经过验证确实可行的逆向修复方案。数据构建过程本身也设有严格的把关，一次破坏操作只有在真正触发了预期的违规类型、被正确归因到应该负责的物体，并且逆向修复方案确实能在不引入新问题的情况下解决目标违规时，才会被保留进最终数据集。整个流程的端到端保留率大约是74.5%，也就是四次尝试构造的破坏样例，大约能留下三次高质量的可用数据。

怎么评价一个房间"好不好用"：光靠没碰撞是不够的

传统评价室内布局生成质量的指标，主要看两块：一是分布相似度（生成的布局和真实房间数据在统计意义上像不像），二是基本物理有效性（有没有碰撞、有没有越界）。

但研究者提出了一个此前被忽视的维度：一个房间即便没有碰撞、也在边界之内，依然可能是不实用的。

> Practical指标：这是本文提出的一套衡量房间实际可用性的规则体系，从五个维度评估房间是否真正适合居住，而不只是几何上"没打架"。

这五个维度分别是客厅功能布局（沙发、茶几、电视之间的角度关系是否合理，方便看电视）、餐桌周边净空（餐桌两侧是否留有至少0.60米的活动空间方便拉椅子坐下）、门区回避（家具是否挡住了门打开时需要的扇形空间）、通行连通性（房间里是否存在一条至少0.60米宽的连贯步行路径）、床边净空（床的可用边是否留有相对床宽足够比例的下床空间）。

这几条规则听起来朴素，但恰恰是普通人真正会在意的东西。你想象一下自己搬进一个新家，就算所有家具都摆得整整齐齐没有互相重叠，但如果餐桌两边窄得连椅子都拉不开，或者卧室床边只留了十几厘米的缝隙让你下床，你还是会觉得这个房间没法住。**几何上"合法"，和生活中"好用"，是两码事。**

为了验证这套Practical指标是否真的反映了专业人士眼中的"可用性"，研究团队请了十位有室内设计经验的评估者，对90个按Practical得分高中低分层抽样的布局进行盲评。结果显示，Practical得分低的房间，专业认可率只有23.3%；中等得分的房间认可率是56.7%；高得分房间认可率跳到了83.3%。这个趋势的统计显著性非常强（p值小到3.07乘以10的负6次方）。这说明Practical这个指标确实能预测专业人士的真实判断，不是自说自话的数字游戏。

实验结果：修复之后，到底提升了多少

在一个由1100个冻结测试房间组成的评测集上（简称common-1100，包含777间卧室、155间客厅、168间餐厅），研究者对比了Roomer和几个代表性方法，包括DiffuScene、InstructScene、SemLayoutDiff和ReSpace。

未经修复的初始版本，越界比例是24.40%，碰撞比例是29.52%，Practical得分是72.50%。经过Roomer的修复循环之后，越界比例降到了8.66%，碰撞比例降到了17.50%，Practical得分提升到了82.98%。也就是说，越界问题下降了超过15个百分点，碰撞问题下降了约12个百分点，可用性指标提升了超过10个百分点。

更值得注意的是，这些提升是在没有牺牲分布质量（也就是生成结果和真实数据的相似度）的前提下取得的，三项分布指标（FID、KID、SCA差距）也都同步改善了。这印证了论文最初的假设：局部修复可以在提升物理有效性和实用性的同时，不损害整体的生成质量。

Roomer还在四个外部生成器（也就是它本身没有参与训练的其他系统）产出的布局上做了迁移测试，直接把修复流程套用到这些陌生模型的输出上。结果显示，越界、碰撞、Practical这三项指标在所有四个外部生成器上都得到了改善。比如ReSpace的碰撞比例从36.56%降到7.61%，SemLayoutDiff-RS的越界比例从49.43%降到32.83%。**这证明Roomer不是一个只能修复"自家生成结果"的定制工具，而是一个可以插拔到任意上游生成器后面的通用修复模块。**

论文还做了一个很有意思的效率分析。因为每个房间在问题被解决后就会退出"活跃待修复"队列，不需要占用后续的修复轮次，所以整个系统平均每个房间只需要3.756次规划器调用，比固定跑满十轮的方案减少了62.44%的计算开销。**这意味着系统会把计算资源集中花在真正难修的少数房间上，而不是对每个房间都一视同仁地跑满预算。**

这套系统也有边界

论文在结尾坦诚地指出了Roomer目前的局限：它目前只能处理预先定义好的规则体系所覆盖的违规类型，也只能在有限的、针对具体动作设计的候选方案空间内寻找解决方案。如果一个问题超出了这套规则的覆盖范围，或者始终找不到一个能通过验证的候选方案，这个问题就会保持未解决状态。

研究团队表示，未来的工作方向是扩展规则库和候选生成机制，覆盖更多房间类型和更广泛的功能需求场景。

写在后面

读这篇论文的过程中，我一直在想一个问题：为什么"局部修复"这个思路在图像编辑、代码修复这些领域早已经是常识，但在室内布局生成这个方向上，直到现在才有人系统性地把它做出来。

我猜原因可能是，室内布局这个任务此前一直被当成一个"整体审美判断"的问题来对待，大家默认只要分布统计上像真实数据、渲染出来好看，任务就算完成了。而这篇论文提醒我们的是，一个生成结果的"好看"和"好用"，中间隔着一层需要被单独测量、单独验证的东西。

论文里那个验证闸门的设计，让我联想到软件工程里的单元测试和持续集成。每次代码提交前先跑测试，测试通过才合并进主分支，测试不通过就打回重写。Roomer本质上是把这套工程思维搬到了三维空间的家具摆放问题上，这提示我们，很多看起来是"创造性生成"的任务，最后拼的其实是能不能建立一套可靠的验证机制。

一个我还没想明白的问题是：这套基于预定义规则的验证体系，未来能不能扩展到那些难以用几何规则量化的居住体验上，比如采光是否舒适，动线是否符合某种文化里的居住习惯。规则之外的"好用"，恐怕才是更难啃的骨头。

Q&A

Q1：Roomer是什么？

A：Roomer是一套面向3D室内布局的反思式修复框架，它能识别AI生成房间中残留的碰撞、越界、堵门、通道堵塞等局部问题，精确定位到具体的责任家具，提出局部修复方案，并且只有通过全场景验证确认真正解决问题且不引入新错误时才会提交这次修改。

Q2：Roomer和直接让AI重新生成一遍房间有什么区别？