個人延伸實驗
在 RoomPilot 之後，獨立重新整理辨識、生成與配置的流程。這篇聚焦實驗方法及量測，不把團隊專案的成果直接算成個人成果。
首頁 / 作品 / floorplan-to-furniture
個人專案 · 空間生成實驗 01 / TL;DR
平面圖到家具配置
將平面圖轉成 3D 空間，再依使用需求產生家具配置，探索從格局辨識到實際商品對應的完整流程。
操作影片
跟著畫面走一遍
預留格局辨識、需求問卷與配置流程的操作說明；錄製時使用可公開的自製示範素材。
操作影片準備中
錄製完成後會放在這裡。
02 / WHY
我想知道，錯的是辨識還是生成
從一張平面圖走到家具配置，包含好幾個可能出錯的階段。如果最後一面牆的位置不對，很難只看畫面判斷是辨識錯誤，還是生成器把正確資料畫錯。
因此我先固定已知輸入，驗證生成器，再把前段換成自動辨識。目標是讓想查看空間配置的人得到可檢查的結果，也讓每一層的問題能被單獨定位。
- 生成可對照
- 先用已知場景驗證位置、尺寸與物件名稱。
- 需求有作用
- 問卷選項要能說明如何影響配置，未接入的選項要標明。
- 結果可驗證
- 家具擺入後，仍需檢查幾何限制與商品對應。
03 / ARCHITECTURE & CHOICES
架構與技術選型
從輸入到結果
由上往下沿藍色箭頭閱讀，右側是各階段的工作。小螢幕可在圖內左右滑動。
先固定生成器，再接辨識
用已知 GLB 反推結構資料，逐節點比對生成結果；生成器穩定後，才替換前端辨識輸入。
取捨：要先準備對照資料，但能縮小問題範圍；單一參考場景正確不代表所有格局都正確。
幾何求解處理可驗證限制
用確定的配置條件處理擺放，檢查重疊及越界，保留每個失敗原因。
取捨：通過規則不代表配置美觀或使用舒適，還需要人工檢視與更完整需求。
量測後才加入問卷門檻
把不同用途套到房間資料，觀察家具何時放不下，避免只憑直覺決定面積限制。
取捨：房間形狀、門的位置與依附家具都會影響結果；單一面積值不足以描述全部限制。
04 / DEEP DIVE
兩個實作差異與內容
A兩條驗證路徑，拆開辨識與生成
A 路徑先比較已知場景與生成結果；B 路徑才加入自動辨識。當 B 出錯而 A 仍通過，就能優先檢查辨識產出的結構資料。
做法差異 · A把整條管線一次接上，最後只看 3D 是否正常。
本專案採用 · B生成器先有對照基準，再逐步替換輸入。
# 示意：先驗證生成器，座標與尺寸容差為 1 mm
for expected, actual in paired_nodes:
assert expected.name == actual.name
assert max_error(expected.position, actual.position) <= 0.001
assert max_error(expected.size, actual.size) <= 0.001
# 生成驗證通過後，再加入辨識輸入的回歸案例驗證的是配對節點的名稱、位置與尺寸。它不能直接證明辨識準確，也不表示材質或每個像素完全相同。
B不是量到數字，就應該變成規則
面積掃描產生 2,453 筆結果，但只採納有足夠反例支持的門檻。像餐椅依附餐桌，若餐桌已放不下，不能再把餐椅失敗誤解成獨立的面積問題。
做法差異 · A每種家具都設定一個最小面積，容易重複限制。
本專案採用 · B檢查失敗原因及樣本數，只保留有證據的門檻。
# 示意：依附其他家具的品項，不獨立推導面積門檻
if item.depends_on_anchor:
return no_independent_threshold
# 候選門檻以下至少三個失敗房間，且沒有成功反例
smaller = rooms_below(candidate_area)
if len(smaller) >= 3 and all_failed(smaller):
return candidate_area
return insufficient_evidence這是門檻判斷的簡化示意。實際採納還要分析依附關係與房間形狀；證據不足時，保留未定比硬填數字更有用。
05 / TROUBLESHOOTING
遇到的問題
面積一樣，卻不一定放得下一樣的家具
發現：狹長房與接近方形的房間可能面積相同，可用牆長和通行空間卻不同。
排查與處理：回看失敗案例，區分面積、形狀與依附物件的影響。沒有把全部候選門檻強行寫入問卷。
問卷有選項，不代表求解器有使用
發現：部分回答僅保留給後續 Agent，尚未影響現行擺放。
排查與處理：將輸入的使用者與實際消費端標示清楚，讓「目前不影響擺放」可被看見，避免介面承諾超過功能。
06 / IMPACT & TAKEAWAYS
成果
16 組候選門檻，最後採納 6 組
採納 6未採納 10
以下為 2026 年 9 月整理的歷史開發紀錄；數據依各自的樣本與量測情境解讀，並非即時統計。
生成器的對照範圍
已知參考場景逐節點比對，位置與尺寸容差 0.001 公尺。這是生成器驗證，不是任意平面圖的辨識準確率。
量測後採納的門檻
由 2,453 筆量測得到 16 組候選，只採納 6 組。捨棄不可靠門檻，減少把依附關係錯當面積限制的機會。
配置規則回歸樣本
歷史外部平面圖測試皆無已定義的配置違規；不等於所有家具都成功放入，也不等於使用者滿意度 100%。
回顧
最大的收穫是能區分「已驗證」與「還不知道」。面積只是其中一個變數；下次我會更早記錄失敗原因、形狀特徵與每個問卷欄位的實際效果。
07 / ROADMAP
未來展望
以下是依目前限制整理的後續方向，尚未完成，也尚未排定時程。
以形狀與可用牆長補足面積
除了房間面積，加入長寬比、門窗占用和連續可用牆長，重新檢查哪些條件真正影響擺放。
怎麼確認有改善：保留原本 20 張回歸圖，另外加入狹長與不規則房型；逐類統計誤擋與漏擋。
補齊問卷到配置的可追蹤關係
逐題定義回答會改變哪個條件；尚無實作的回答繼續清楚標示，不先假設模型已經理解。
怎麼確認有改善：用相同格局、只改一個回答的對照案例，確認配置變化符合預期。
驗證模型流程與可公開素材
真實模型的回應品質另做小規模驗證；示範畫面改用自製或授權明確的素材，與私有參考資料分開。
怎麼確認有改善：記錄模型版本、成本、失敗類型與幾何驗證結果，再決定是否接入主要操作流程。