本研究提出了一种名为“GAN-SLAM”的方法，通过生成对抗网络提高动态机器人运动中的地图精度，显著改善2D地图质量，为自主系统的制图任务开辟了新方向。

本研究提出了一种从文本生成楼层平面图的方法，采用链式思维引导大型语言模型生成初步布局，并利用条件扩散模型进行细化。实验结果表明，该方法在各项指标上表现优异，具有重要的实际应用潜力。

该研究提出了一个可扩展的解决方案，通过链接的神经网络和分层阶段训练框架，在大规模多建筑和多层室内定位问题上取得了较高的准确性。实验结果显示，该框架在 UJIIndoorLoc 数据库上的三维定位误差为8.19米，是目前基于神经网络的模型中最准确的。

本研究利用点云数据重建楼层平面图，解决了角点及边缘缺失、位置或角度不准确、多边形自相交或重叠、可疑拓扑等问题，并超越了目前的最先进方法。

FRI-Net是一种新方法，用于从3D点云中重建2D楼层平面图。该方法通过使用房间的隐式表示和结构正则化来提高房间多边形的几何规则性。实验结果表明，该方法在两个具有挑战性的数据集上表现出更好的性能，验证了楼层平面图表示方法的有效性。

本研究提出了PlanGen框架，改善神经数据生成文本模型的可控性。通过实验和分析，发现该模型能够控制生成输出的句内和句间结构，提高了生成质量和输出多样性。

年轻人只去商场B1层大超市，楼上楼层冷清，商场附近也是如此。

LayoutGMN是一种深度模型，利用图形匹配网络预测2D布局结构相似性和布局元素之间的结构匹配。检索实验表明，LayoutGMN相对于其他基线更符合人类对结构布局相似性的判断。该模型在楼层平面图和UI设计方面应用广泛。

每次上楼的时候都感到困惑，有一个问题我注意很久了。