基于高效约束满足的预算感知序列砖块组装

我们解决了使用LEGO砖块进行序列砖块组装以创建组合3D结构的问题。该问题具有挑战性，因为此砖块组装任务具备组合优化问题的特征。特别地，可组装结构的数量随所用砖块数量的增加而指数增长。为解决此问题，我们提出了一种新方法，通过采用U形稀疏3D卷积神经网络来预测下一砖块位置的分数。与3D卷积网络一起，使用了一个全1初始化的砖块尺寸卷积滤波器，以在无需自身训练的情况下高效验证砖块间的组装约束。凭借此全1初始化卷积滤波器的性质，我们可借助现代卷积运算实现，轻松考虑若干不同砖块类型。为生成新结构，我们设计了一种采样策略，在考虑组装约束满足的情况下确定下一砖块位置。此外，我们的方法针对无预算或预算感知场景而设计，其中预算可能限制砖块数量及其类型。我们证明了我们的方法成功生成多种砖块结构，并优于现有的贝叶斯优化、深度图生成模型与强化学习方法。