VIGOR: Verifiable Industrial Geometry Optimization and Repair in Scene Programs
作者: Fuqiang Wang, Zheng Guo, Xiaoming Wu, Hanlin Kong, Nayu Liu, Chuanting Zhang, Daojun Liang, Jingxuan Wei
分类: cs.AI
发布日期: 2026-10-09
💡 一句话要点
提出VIGOR以解决工业场景程序的可执行性与工程可行性差距问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 工业场景程序 可执行性 工程可行性 几何优化 监督学习 冲突修复 智能制造
📋 核心要点
- 现有方法在生成工业场景程序时，存在可执行性与工程可行性之间的显著差距，导致最终状态可能不符合实际工程约束。
- 论文提出的VIGOR方法通过监督生成、执行验证和几何优化相结合，解决了局部可修正性与全局可行性之间的矛盾。
- 实验结果显示，VIGOR在可行性上达到96.86%，整体评分91.20，较最强基线提升10.42分，证明了其有效性。
📝 摘要（中文）
大型语言模型（LLMs）越来越多地根据自然语言指令生成结构化布局和可执行的场景程序。然而，程序的可执行性并不意味着其工程可行性：一个工业场景程序可能成功执行，但其最终状态仍可能违反边界、碰撞、间隙、通道或结构约束。我们将这种不匹配称为可执行性与工程可行性差距。为使这一差距在受控环境中可测量，我们构建了一个包含1,749个可构建场景的执行基础工业场景程序数据集。我们进一步提出VIGOR，结合监督场景程序生成、执行基础验证和分阶段几何优化。实验表明，VIGOR在可行性和整体评分上均显著优于现有基线。
🔬 方法详解
问题定义：论文要解决的问题是工业场景程序的可执行性与工程可行性之间的差距。现有方法往往只关注程序的可执行性，而忽视了在实际应用中可能出现的工程约束违规情况。
核心思路：VIGOR的核心思路是通过结合监督学习和执行基础验证，确保生成的场景程序不仅可执行，还能满足工程约束。通过分阶段的几何优化，解决局部冲突并协调多对象之间的关系。
技术框架：VIGOR的整体架构包括三个主要模块：监督程序生成、局部投影修正和联合冲突图修复。监督程序生成负责生成完整的可执行程序，局部投影修正解决独立可修正的违规情况，而联合冲突图修复则协调多对象之间的残余冲突。
关键创新：VIGOR的主要创新在于将执行基础验证与几何优化相结合，形成了一种新的方法论，能够在保证程序可执行性的同时，确保其工程可行性。这一方法与现有的单一可执行性验证方法有本质区别。
关键设计：在关键设计上，VIGOR采用了特定的损失函数来平衡可执行性与工程约束的满足程度，同时在网络结构上引入了冲突图的概念，以便更好地处理多对象之间的关系。
🖼️ 关键图片
📊 实验亮点
实验结果显示，VIGOR在可行性方面达到了96.86%，整体评分为91.20，较最强基线提升了10.42分。这表明在受控工业布局条件下，VIGOR显著提高了场景程序生成的可靠性和工程可行性。
🎯 应用场景
该研究的潜在应用领域包括工业自动化、机器人路径规划和智能制造等。通过确保生成的场景程序不仅可执行且符合工程约束，VIGOR能够提高工业场景的设计效率和安全性，推动智能制造的发展。
📄 摘要（原文）
Large language models (LLMs) increasingly generate structured layouts and executable scene programs from natural-language instructions. However, executability does not imply engineering feasibility: an industrial scene program may execute successfully while its final state still violates coupled boundary, collision, clearance, aisle, or structural constraints. We identify this mismatch as the executability-engineering-feasibility gap, where locally plausible placements can remain globally infeasible because corrections to one device may introduce violations elsewhere. To make this gap measurable in a controlled setting, we construct an execution-grounded industrial scene-program dataset with 1,749 constructible scenarios, complete executable programs, and 94 final-state geometric checks per scenario. We further propose VIGOR, which combines supervised scene-program generation with execution-grounded verification and staged geometric refinement. Supervised fine-tuning establishes complete program generation, local projection resolves independently correctable violations, and joint conflict-graph repair coordinates residual multi-object conflicts while preserving structural relations. Experiments show that VIGOR achieves 96.86% Complete Feasibility and an Overall score of 91.20, outperforming the strongest evaluated baseline by 10.42 points in Overall. These results show that, under controlled industrial layout conditions, reliable scene-program generation requires not only executable programs, but also explicit verification and coordinated resolution of coupled engineering constraints.