将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯
作者丨论文团队
编辑丨ScienceAI
自动化实验室有望大幅加速科学研究进程，但虚拟实验环境的设计仍是制约其规模化部署的核心难题。现有 3D 场景生成方法多面向家居场景，在科研实验室适用性上存在明显局限。
现有方法主要存在三方面不足：一是缺乏对实验协议的语义理解，无法根据化学反应流程合理安排仪器与试剂；二是忽视化学安全约束，如易燃试剂与热源的距离、不相容化学品的隔离等；三是未保证机器人可达性，难以满足自主机器人无碰撞操作的需求。
更根本的问题在于，现有方法仅在生成阶段追求视觉合理性，将协议可行性和导航验证留待事后评估，导致生成的布局在实际使用中常存在安全或功能缺陷。
针对上述问题，来自上海人工智能实验室、武汉大学、北航、北京大学、清华大学、上海交通大学、香港中文大学等机构的研究者联合提出了 LabBuilder 系统，该工作已被 ICML 2026 收录。
论文链接：https://arxiv.org/pdf/2605.02288
给定一段自由文本形式的实验描述，LabBuilder 可端到端地生成几何合规、化学安全且机器人可达的完整 3D 实验室布局，将协议驱动的实验室设计转化为全自动流程。
核心贡献
LabBuilder 的主要贡献体现在三个方面。
图 1：LabBuilder 系统概览。基于资产知识库与化学知识库合成实验协议，生成满足导航可行性、几何合规性与化学安全性的 3D 实验室布局。
第一，构建了可扩展的元实验室数据集，包含资产知识库（Asset Knowledge Base）和化学知识库（Chemical Knowledge Base），为协议理解与安全验证提供知识基础。
第二，提出了 LabGen 层次化布局生成框架，在几何合规、化学安全和机器人可达性约束下生成协议驱动的实验室布局，性能明显优于现有方法。
第三，建立了 LabTouchstone 评估基准，从几何合规性、可行性成功率、化学安全性和语义合理性四个维度系统评估实验室布局，提供标准化的跨方法比较平台。
方法详解
图 2：LabBuilder 框架结构。LabForge 构建知识库并合成结构化协议，LabGen 通过层次化初始化、几何与化学优化、导航感知优化三阶段生成实验室布局。
LabBuilder 由三个模块组成，分别负责资产与协议编译、布局生成与优化以及评估验证。
LabForge：资产与协议编译器
LabForge 负责知识库构建与协议合成两项核心功能。
知识库方面，系统整合了两个互补的知识来源：资产知识库收录 176 类实验室实体，每项资产均标注几何属性、语义类别和化学危害属性（包括可燃性等级、不相容化学品列表等），覆盖试剂、仪器和实验耗材等完整品类；化学知识库从真实实验数据集中提取化学语义，涵盖取代、环化、氧化还原、官能团转化、缩合、烷基化六类反应类型，为安全约束提供化学依据。
协议合成方面，LabForge 以 LLM 为核心，将自由文本形式的实验描述编译为结构化协议，输出包含操作步骤序列、所需资产清单和安全约束集合的标准格式。在 30 个标注实验中，每个协议平均包含 5.27 种试剂、9.87 种仪器、9.00 个操作步骤和 4.30 个导航动作，体现了实验室场景在资产种类和操作流程上的复杂性。
LabGen：层次化布局生成与优化
LabGen 采用分阶段生成与迭代优化的流程，确保生成的布局同时满足安全性和机器人可达性要求。
布局初始化阶段将生成过程分为两个层级：房间级分区负责识别协议所需的功能区域，确定各区域的 6-DoF 位姿并完成空间分配；桌面级摆放在边界约束和无重叠约束下，将协议相关资产填充到各操作台面，形成候选初始布局。
几何与化学联合优化阶段以多目标奖励函数 F 为优化目标，综合衡量几何有效性（边界及碰撞约束）与化学安全性（基于危害标注的约束满足率）。优化过程结合两种互补机制：FastRepair 负责快速修复几何边界冲突和碰撞问题，LLMAdjust 则调用 LLM 对安全性和工作流约束进行精细调整。两种机制在房间级和桌面级交替执行，直至收敛或达到最大迭代次数。
导航感知阶段将 3D 场景投影为 2D 占用栅格并施加障碍膨胀，以 A* 算法对每个协议步骤的路径可行性进行验证，识别端点无效、边界违规和路径不可达三类失败情形。对存在导航失败的场景，系统迭代调用优化算子进行调整，直至所有导航约束满足或达到迭代上限。
LabTouchstone：四维评估体系
LabTouchstone 从四个维度量化实验室布局质量：几何合规性、可行性成功率（包括资产可用性和协议级导航可行性）、化学安全性（可燃物隔离、存储规范、不相容品分离等）以及语义合理性（基于 LLM 评分）。该体系还支持基于协议推导的点目标导航评估，为跨方法比较提供标准化量化依据。
实验结果
图 3：与现有方法的定性对比（以同一化学反应为例）。绿色标记表示通过检查，红色标记表示失败。
定量结果
表 1：30 个化学实验协议上的方法对比。从几何违规、可行性成功率、化学安全性及语义质量四个维度评估。
在 30 个化学实验协议上，LabBuilder 与其余场景生成方法进行了系统对比。结果显示，LabBuilder 在各项指标上均优于对比方法，是现有实验室场景生成的最佳方法。其导航成功率（FSR-Nav）达 0.966，是唯一支持协议级导航验证的方案。
导航性能
表 2：生成场景中的点目标导航结果。导航感知优化后，两种规划器的成功率和路径质量均有明显提升。
团队在 LabBuilder 生成的场景中，对 iPlanner 和 NavDP 两种规划器进行测试。导航感知优化后，两种规划器的成功率均有明显提升，表明 LabBuilder 生成的布局对自主机器人具有实际可用性。
消融实验
表 3：消融实验结果。「-」表示去除协议引导后导航指标不适用。
消融实验结果表明，各模块均对最终性能有实质性贡献。其中，去除协议引导造成的性能下降幅度最大：资产可行性从 0.833 降至 0.300，完整性评分从 9.10 降至 3.14，说明正确的资产集合与约束引导是布局生成的前提。
去除几何与化学优化后，可燃物隔离从 0.725 降至 0.182，不相容品分离从 0.716 降至 0.367，化学安全性显著下滑。去除导航感知优化主要影响协议级导航成功率（从 0.966 降至 0.870），对几何和化学指标影响较小，说明该模块的作用集中于导航可达性的保障。
局限与展望
LabBuilder 目前存在若干局限：尚不验证设备规格级要求（如加热范围、移液管容量、通风橱风量等），不涵盖机器人物理操控层面的可行性；暂不支持跨协议的多协议实验室设计；从仿真到真实场景的迁移问题有待进一步研究。后续工作将向操作规格级验证、更广泛的监管约束以及多协议实验室设计等方向拓展。
小结
LabBuilder 提出了一套将实验协议语义理解、化学安全建模和机器人导航可达性统一纳入生成流程的 3D 实验室布局生成框架，将安全性和可达性从事后验证转变为生成阶段的内置约束，并建立了开放、标准化的评测基准。实验结果表明，在面向科研实验室的场景生成任务中，显式纳入协议约束可以显著提升布局在安全性、功能性和机器人可用性方面的综合质量。
代码仓库：https://github.com/che-0212/LabBuilder
项目主页：https://che-0212.github.io/LabBuilder-site/
人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。
欢迎关注标星，并点击右下角点赞和在看。