MIT SceneSmith：多智能体生成虚拟场景助力机器人训练

MIT CSAIL与丰田研究院提出SceneSmith系统，利用三个VLM智能体（设计者、评论者、编排者）协作生成室内3D场景。系统基于GPT-5.2视觉语言模型，可从文本提示生成包含可操作物体的物理仿真环境，对比HSM和Holodeck等基线方法，场景物体密度更高、用户满意度超90%。