في عالم يتزايد فيه الاعتماد على تجارب الواقع الافتراضي (Virtual Reality) والألعاب التفاعلية (Interactive Games)، تبرز الحاجة إلى أدوات جديدة وفعالة لإنشاء مشاهد ثلاثية الأبعاد (3D) بدقة عالية. تكمن إحدى التحديات الرئيسية في قدرة نماذج اللغة الكبيرة (LLMs) على إنتاج مشاهد ثلاثية الأبعاد خالية من الأخطاء المكانية، حيث أن التمثيلات التقليدية كمجرد إحداثيات أو أكواد مطولة غالبًا ما تفشل في تطوير العلاقات المكانية الدقيقة والقيود الفيزيائية.

للتغلب على هذه العقبة، تم اقتراح لغة SpatialGrammar، وهي لغة متخصصة تم تصميمها لتسهيل تمثيل تخطيطات داخلية متوافقة مع الجاذبية، مستخدمة نظام الشبكات البيانية المسطحة (BEV) لتحديد المواقع بشكل تحليلي، مما يسمح بالإخراج الصحيح لهندسة ثلاثية الأبعاد قابلة للتحقق.

تتضمن الابتكارات الرئيسة في SpatialGrammar تصميم نظامين رئيسيين:
1. **SG-Agent**: وهو نظام مغلق يقوم باستخدام ردود الأفعال من المجمعات (Compilers) لتحسين المشاهد بشكل تكراري وتطبيق قيود الاصطدام.
2. **SG-Mini**: نموذج يتكون من 104 مليون بارامتر تم تدريبه بالكامل على بيانات اصطناعية تمت المصادقة عليها من قبل المجمع.

أثبت نظام SG-Agent أدائه في تحسين دقة المشاهد المكانية والملاءمة الفيزيائية مقارنة بالطرق السابقة، بينما أثبت SG-Mini كفاءته النسبية مع نماذج اللغة الكبيرة الأخرى في سيناريوهات الإنتاج الأحادي. وبذلك، تفتح SpatialGrammar آفاقًا جديدة لتطوير تجارب واقع افتراضي فريدة ومثيرة، يمكن أن تشكل مستقبل هذا المجال.