CANDO: rete agentica cooperativa per ottimizzare la progettazione dei layout

Abstract degli autori

Generare layout per strutture reali è un problema complesso: richiede di ragionare su confini irregolari dei siti, orientamenti eterogenei, posizionamenti che tengano conto degli accessi e fattibilità della pianificazione del movimento. Eppure, la maggior parte dei benchmark esistenti nell’ambito dell’IA generativa riguarda posizionamenti più semplici in aree rettangolari e si affida a metriche distribuzionali come FID e IoU, che premiano la conformità alle caratteristiche a priori dei dataset, penalizzando così l’innovazione progettuale. Per colmare queste lacune, presentiamo ALPS-Bench, un benchmark composto da $1,000$ layout di strutture reali annotati da professionisti, ciascuno associato a un protocollo di valutazione specifico per l’istanza e basato su un manuale di progettazione strutturato. Come solida baseline per ALPS-Bench, proponiamo CANDO, un framework multiagente che non richiede addestramento, in cui agenti specializzati perfezionano iterativamente i layout attraverso un ciclo basato sulla verifica, concentrando il ragionamento sulle decisioni spaziali strategiche. Dimostriamo che CANDO supera baseline addestrate e basate su LLM allo stato dell’arte nei benchmark PubLayNet, RICO e PKU-PosterLayout, ampiamente adottati, mostrando che la progettazione agentica cooperativa è un approccio ampiamente efficace per la sintesi di layout che tenga conto dei vincoli.