AI 點樣喺 3D 房間裡面擺放家具
比起生成周圍嘅幾何結構，將一件家具擺入 3D 房間聽落好似係簡單嗰部分。其實唔係。 位置只係最唔重要嘅一環——真正難嘅問題係功能、朝向同碰撞， 只要其中任何一個出錯，一間原本正確嘅房間就會明顯睇落好似擺拍出嚟嘅， 而唔係真係有人住喺入面。
由平面圖讀取房間功能
家具擺放嘅第一步，係要知道一個房間「係咩」，而唔淨係佢嘅邊界。 一張解析後嘅平面圖帶有分區標籤——睡房、浴室、衣櫃、露台—— 每種分區類型都對應一套預期嘅家具組合，其比例要配合房間嘅實際尺寸。 一個睡房分區會得到一張同其面積相稱嘅床，而唔係一個通用預設值； 一個浴室分區會得到潔具，而唔係座椅。呢一步一旦出錯， 之後嘅一切都會跟住受影響——即使精度幾高，擺放咗錯嘅家具組合依然係錯。
喺呢一步之前，比例必須先啱，先至可以進行任何其他事情。一張標準雙人床 同一張加大雙人床所佔嘅面積有明顯分別，而房間嘅實際尺寸決定咗應該揀邊一種—— 或者話，一張床可唔可以同預期家具組合嘅其餘部分一齊擺得落。 由平面圖讀取功能，唔淨係揀一個家具類別，而係為而家搭建緊嘅呢個具體房間， 揀出該類別對應嘅正確尺寸版本。
佔地面積同門嘅淨空
每一件家具都佔據一塊佔地面積——地面上嘅一塊 2D 區域——每一次擺放都要滿足兩點： 唔同另一個物體嘅佔地面積重疊，亦唔擋住門嘅開合弧線。一張梳化淨係由面積睇 擺放正確，但坐咗喺浴室門嘅開合路徑上，即使靜止狀態下冇任何物理重疊， 都會喺搭建嗰陣被推開。
呢個比一套完整通道淨空系統所能提供嘅保證要窄少少——系統冇通用檢查去確認 兩件家具之間嘅空隙係咪闊到行得過，只確保冇重疊、亦冇門被擋住。佢捕捉嘅 係嗰啲喺渲染入面一眼就明顯唔妥嘅失敗（家具陷入牆入面、一扇門打唔開）， 但唔會話解決咗成體動線問題。
點解朝向先係難點
位置同佔地面積可以令一個房間嘅佈局大致正確。而朝向，先至係令佢讀落去正確嘅 關鍵——而且佢比聽落去難得多。一張床相對於門被推去錯咗嘅嗰面牆， 或者一件櫃類家具朝向角落而唔係朝向房間開闊處，即使房間其餘部分擺放得完美無瑕， 呢種錯誤都會即刻打破真實感。解決辦法唔係一條全局規則， 而係一套逐件資產嘅朝向分類體系，每種家具類型都帶有自己嘅朝向邏輯—— 床頭要靠實牆，書枱要面向可用地面空間，衣櫃門前需要留出開合淨空。 單靠位置，從來就唔可能編碼呢啲資訊。
喺空間網格上做碰撞檢查
每一個候選擺放，喺俾人接受之前，都會對照一個追蹤緊已佔用狀態嘅空間網格嚟檢查—— 家具佔地面積同牆身位置。真實感優化階段會為每件家具搜尋一批候選點， 跳過任何會相撞嘅位置，而唔係指望單一一次擺放就可以一步到位。門嘅開合 弧線由另一套獨立機制保持暢通：搭建嗰陣，任何擋住門弧線嘅物件都會被推開。
喺完整編輯器入面手動拖拽家具，行嘅係同一套空間網格檢查，所以一個人 手動移動一件家具嗰陣，得到嘅係同自動流程一樣嘅佔地面積同牆身保證。 對話式編輯就唔同： 模型可以喺事後調用一個獨立嘅校驗工具，將家具重疊問題以文字形式報告返去， 但冇任何機制強制呢項檢查一定要運行，亦冇任何機制會因此阻止或者撤銷 造成重疊嗰次編輯。呢個係模型喺檢查自己嘅成果，而唔係手動擺放要經過嗰 同一道強制閘門。
點解真實目錄勝過佔位方塊
通用嘅佔位幾何體——一個大致按梳化尺寸做嘅灰色方塊——足以喺抽象層面 證明一個佈局係可行嘅，但佢完全冇辦法話俾你知真實家具擺唔擺得落、 睇落啱唔啱，而且佢冇辦法俾人訂購。一個真實、比例精確嘅目錄可以彌合呢道差距： 擺入場景入面嘅嘢，尺寸上同真實產品完全一致，所以一個喺可視化結果入面 睇落正確嘅佈局，都會係一個當有人真正要為呢間房間置辦家具嗰陣依然行得通嘅佈局。 呢個分別正正喺可視化結果成為採購決定依據嘅時候最為關鍵—— 而對酒店或者零售項目嘅實際建設嚟講，情況通常正正就係咁。一個基於佔位方塊 簽字確認嘅佈局，依然可能喺真實家具運到現場之後出問題； 而一個基於比例精確目錄家具簽字確認嘅佈局，將呢種風險壓得低好多， 因為俾人批准嘅嘢，就係最終俾人訂購嘅嘢。
立即開始
想了解家具擺放喺整體搭建流程入面處於咩位置，可以參考 如何將 2D 平面圖轉化做 3D 房間。 想了解擺放目錄家具同用 AI 生成全新家具之間嘅分別，可以參考 AI 3D 生成模型：究竟係咩喺生成 3D 房間。 而想了解同一套擺放邏輯點樣應用喺一套完全唔同嘅約束條件，可以參考 AI 平面圖可視化如何加快零售陳列架規劃嘅 5 種方式。