本文提出了一种新方法，使用 Monte Carlo Tree Search（MCTS）算法，从生成的建议池中联合选择和优化建议，以最小化对象项，并且在地面平面重建和 3D 房间布局重建应用中得到了很高的性能表现。

Jul, 2022

本论文探讨了如何利用通用 AI 算法进行 3D 场景理解来减少训练数据的需求，并提出了一种修改的蒙特卡洛树搜索算法，以从嘈杂的 RGB-D 扫描中检索对象和房间布局。在 ScanNet 数据集上应用本算法可以得到比一些手动注释更好的配置。

Mar, 2021

该研究主要讨论了如何使用 Transformer Architecture 来解决 2D 平面图的重建问题，并通过多个数据集的实验证明了其在各方面的优越性。

Nov, 2022

本文提出一种可扩展且健壮的方法，通过多视点三维立体点云计算三维表面网格，能够处理点密度极大跳跃，用于提取表面假设和合并表面假设，具有卓越的精度和完整性。

May, 2017

本研究提出了一种针对物体在杂乱场景下特别是发生遮挡或物体相互叠加时，高效搜索每个物体的六维位姿假设的方法，通过聚类减小个体候选位姿数据量，在基于物体检测和全局点云注册的技术提供的候选物体位姿中，使用基于 Monte Carlo Tree Search 的全局优化过程，结合各个物体之间物理交互关系，探索候选位姿的组合，识别场景级别的最佳假设。实验结果表明，该过程能够快速发现在杂乱场景中与地面实际情况接近的、物理上一致的物体位姿。

Oct, 2017

本研究旨在通过智能手机，利用深度神经网络技术重建室内地图，提出了线上勘测算法 FloorNet 核心思路，即将 RGBD 流图像数据分别经过三个大的神经网络模块来提取特征并同时考虑 3D 与 2D 空间信息，这种方法能够有效提高室内平面图的重建准确性。

Mar, 2018

本文提出了一种新的自动化平面图重建方法，该方法由名为 Floor-SP 的优化问题构成，其中每个房间的坐标下降顺序地解决动态规划以优化楼层图结构，该方法不需要阈值的角点 / 边缘检测，重点在数据项上，引导深度神经网络生成建筑物模型，并通过一系列一致性和模型复杂度项来优化。评估结果表明，该方法比当前最先进的方法具有显著的性能改进

Aug, 2019

研究了多智能体路径规划中如何利用蒙特卡洛树搜索（Monte-Carlo Tree Search）解决问题，提出了一种适用于多智能体路径规划的改进 MCTS 变种，通过计算个体路径和奖励来指导搜索过程，实验证明该方法优于基线规划算法。

Jul, 2023

本研究提出了一种混合的语义几何方法，通过基于 PointNet ++ 的语义分割网络与地理推理规则相结合，将激光扫描建筑点云转化为二维平面图，同时对精度、召回率、交并比、Betti 误差和形变误差等方面进行评估。

May, 2023

通过结合更新蒙特卡洛树搜索法和强化学习技术，本文提出了一种名为更新蒙特卡洛树搜索的高效优化算法，用于寻找适宜的桁架结构设计，数值结果表明该方法比传统方法计算时间至少快十倍且能稳定获得更好的解。

Sep, 2023