iPLAN 是一种新的人在环路生成模型，结合了自动生成布局和人工设计，通过在整个过程中与设计师互动，使人类和人工智能逐步共同发展模糊的想法成为最终设计，其拥有在面对未见过的设计任务和有限的训练数据时，产生类似于人类设计师布局的高保真度、接受设计师输入并相应地提供设计建议的强大灵活性和通用性。

Mar, 2022

本研究提出了一种基于深度学习技术的公园空间生成设计系统，能够根据景观元素的拓扑关系快速生成满足设计师视角的空间绿化方案，同时实现对生成的三维模型进行分析和可视化，提高系统的互动性。

Apr, 2024

本研究提出了基于物理原理的方法，同时优化场景布局生成器和物理模拟器中的人体移动，以实现可信和真实的交互动作，通过最小化运动追踪误差以自动恢复和生成场景布局，并使用强化学习进行双重优化，通过重新塑造追踪奖励和估计的伪接触标签获得的姿势先验指导来促进优化，使用 SAMP 和 PROX 的动作进行评估，并与基于运动学的先前方法进行比较，展示了物理上可信的场景布局重建。

May, 2024

利用图注意力网络的自动建筑布局生成方法，支持任意道路网络，生成逼真的城市布局，并基于学习先验条件生成，相较先前的布局生成网络表现出卓越性能，为 28 个大城市生成不同建筑形状的布局。

Jul, 2023

使用生成式 AI，通过简单的草图生成概念平面图和 3D 模型，实现了快速构思和基于文本描述的控制生成建筑渲染图，展示了生成式 AI 在建筑设计过程中的潜力，为计算机辅助建筑设计指明了新方向。

Mar, 2024

研究了使用 GPT-4V 多模态大语言模型的基于代理的布局生成系统，通过顺序放置对象在虚拟空间中生成反映用户指令的布局，实验证实该方法能以高成功率生成反映用户指令的虚拟空间，并通过消融研究成功地确定了对行为生成性能改善做出贡献的要素。

May, 2024

引入了一种使用深度神经网络和用户参与的生成模型的学习框架，用于自动楼层平面图的生成。

Apr, 2020

本文提出了一种基于深度生成学习和人类指导的深层次生成模型来解决传统城市规划中的一些局限性，通过标记实现从目标区域到分区再到网格的三级生成过程，包括感知规划需求、功能投影和多关注模型等来生成网格水平的土地利用配置。

Dec, 2022

本文提出了一种基于 Transformer 框架的生成布局模型，可以灵活地融合设计语义，支持用户隐式或显式地指定元素排列约束，并展示了该模型在单模型下可以生成真实的布局。

Aug, 2021

采用深度生成学习构建基于人类指导、考虑空间层级的城市规划器，并引入生成对抗网络以解决空间层级问题。

Sep, 2022