SpatialPrompt：基於 XR 空間意圖表達與 AI 生成式 3D 設計之研究
arXiv - Human-Computer InteractionYichen Andy Yu, Wanru Li, Qiaoran Wang, Jymon Ross, Gavin Johnson, Mandy Lui, Qiao Jin
開發一套 XR 系統，讓使用者透過 3D 繪圖與語音指令，將空間草圖轉化為可控的 AI 3D 生成約束條件。
AI 幫你先抓重點
AI 重點 1
從「指令輸入」轉向「空間意圖表達」的範式轉移
滑鼠懸停看 AI 判斷理由
傳統 AI 生成依賴文字描述，難以精確控制空間結構；此研究展示了如何利用 XR 的空間特性，將直覺的肢體與空間動作轉化為精確的生成約束，這為未來人機協作設計提供了新路徑。
AI 重點 2
協作式 AI 生成中的「共同理解」機制
滑鼠懸停看 AI 判斷理由
在多人協作環境中，如何確保每個人對生成目標的認知一致是關鍵。透過顏色編碼與同步空間呈現，該系統解決了協作設計中常見的溝通斷層問題。
核心研究發現
- 1
SpatialPrompt 系統能將使用者以 3D 筆繪製的粗略結構與語音提示，整合為可執行的約束條件，實現可控的 3D 生成。
- 2
系統支援在共享空間中進行同步協作，並透過顏色編碼來區分不同參與者的貢獻內容。
- 3
啟發式評估顯示該工作流具備直覺性，並能促進協作創作過程中的共同理解，但也指出生成速度與回饋機制仍有改進空間。
對教育工作者的啟發
對於設計教育工作者而言，此技術提供了「從草圖到成品」的快速原型開發路徑。在 PBL（專題式學習）環境中，學生可以利用此工具進行空間構思與協作，將抽象想法即時視覺化。建議教學設計者可以探索如何將此工具整合進設計思考流程，讓學生在協作過程中，不僅學習 3D 建模技術，更能透過與 AI 的互動，學習如何精確地表達設計意圖與空間邏輯。
原始文獻資訊
- 英文標題：
- SpatialPrompt: XR-Based Spatial Intent Expression as Executable Constraints for AI Generative 3D Design
- 作者：
- Yichen Andy Yu, Wanru Li, Qiaoran Wang, Jymon Ross, Gavin Johnson, Mandy Lui, Qiao Jin
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。