MANSION框架是由智元、清華大學與麥吉爾大學聯合提出的一種語言驅動的多樓層3D場景生成框架，其相關成果入選了CVPR 2026。該框架融合多模態大模型與幾何求解器，能夠根據自然語言指令端到端生成完整的、符合物理約束的多樓層3D建築場景。
該框架首先生成整棟建築的功能分區、垂直交通等全局規劃，再逐層生成具體布局。基於此框架，團隊發布了包含大量多樓層建築的MansionWorld數據集，並升級了AI2-THOR模擬器，集成樓梯、電梯等資產，推出了實現跨樓層無縫跳轉的高級原子技能API。該框架旨在為具身智慧型在複雜環境中的研究提供標準化的樓宇級測試平台。
研發背景,發展歷程,核心技術,運營模式,核心團隊,重要事件,
研發背景
具身智慧型在邁向現實套用時，面臨複雜、結構化環境帶來的巨大挑戰，其性能在長時程、跨樓層任務中顯著下降，直接暴露了空間推理、長期規劃、記憶能力等核心短板。因此，行業迫切需要構建大規模、真實、可互動的“數字試驗場”來訓練和評估智慧型體。
為應對此挑戰，由智元、清華大學、麥吉爾大學聯合研發了MANSION框架，旨在構建一個語言驅動的大規模多樓層3D場景生成平台，為具身智慧型研究提供關鍵的“數字試驗場”。
發展歷程
MANSION框架由智元牽頭，聯合清華大學、麥吉爾大學合作研發。團隊創新推出MANSION混合框架，融合多模態大模型與幾何求解器，實現從自然語言指令到完整多樓層3D建築的端到端生成。MANSION從建築全局邏輯出發，先規劃整棟樓功能分區、垂直交通與整體風格，再逐層生成拓撲結構與房間布局。
基於MANSION框架，團隊發布了MansionWorld數據集，包含1000+棟多樓層建築、2-10層、10000+房間，覆蓋住宅、辦公、醫院、學校、商超等全場景。團隊升級了AI2-THOR模擬器，集成樓梯、電梯等資產，並推出高級原子技能API，封裝跨場景切換與狀態管理能力。該研究成果成功入選計算機視覺頂級會議CVPR 2026。
核心技術
MANSION是一個融合多模態大模型與幾何求解器的混合框架，旨在實現從自然語言指令到完整多樓層3D建築的端到端生成。
區別於簡單的房間拼接，該框架從建築全局邏輯出發，首先生成整棟樓的功能分區、垂直交通與整體風格規劃，隨後再逐層生成拓撲結構與房間布局。
通過幾何求解生成符合物理約束的平面圖，並最終生成可直接在仿真器運行的互動式3D場景，框架從源頭保證了樓梯、電梯、跨層結構的對齊合理，使生成的建築連貫可用。生成的場景支持導出至Blender、NVIDIA Isaac Sim等平台。
運營模式
MANSION框架是一個開放研究平台，其運營目標是為全球研究者提供標準化的樓宇級測試環境，以支持具身智慧型研究。
在具體運營中，團隊發布了MansionWorld數據集。該數據集包含超過1000棟多樓層建築和超過10000個房間，覆蓋住宅、辦公、醫院、學校、商場等場景，並支持導出至Blender、NVIDIA Isaac Sim等平台。同時，團隊升級了AI2-THOR模擬器，集成了樓梯、電梯等元素，並提供了用於封裝跨場景切換與狀態管理功能的高級原子技能API，以實現樓層間的移動。此外，團隊提出的任務語義場景編輯智慧型體能夠快速調整場景環境，實現同一棟建築的多用途使用，從而有助於提升場景的復用率與研究效率。
