COrigami 是 arXiv 于 2026 年 6 月 24 日收录的一篇新论文（编号 arXiv:2606.26299v1，分类 cs.AI），由 Tom Zahavy 与其他 17 位作者共同完成。论文聚焦于计算折纸这一数学上极为严苛的领域，试图回答一个通用性问题：生成式 AI 在存在可验证答案的任务上已取得显著成果，但当目标同时包含严格的几何约束与主观的视觉美感时，如何生成令人满意的实体艺术？折纸恰好把两者叠加在一起——设计必须满足“可平折”这一组数学方程，同时又要在折好后看上去像某个可辨认的对象。
作者提出的 COrigami 是一条端到端的 AI 驱动流水线，其核心能力是从自然语言描述直接生成折痕图案（crease pattern），从而在整个设计循环中充当协作助手。论文把流程拆解为几个前后衔接的阶段：首先根据文字生成一个语义化的“火柴人”式结构示意（semantic stick figure），即先确定作品要表达的主体形态；随后计算基础打包（base packing），把该形态映射到折纸的片状结构上；接着求解满足平折条件的折痕图案；再对折好后的形体进行塑形（shaping），使其外观更接近预期；最后通过一个自主美学评估回路，用强化学习反复精修生成的模型，使结果在几何可行与视觉可辨之间取得更好的平衡。
值得注意的是，论文并没有宣称系统可以取代人类设计师。作者将自己的系统定位为“高效的协作助手”（collaborative assistant）：它产出的是结构化的起点，供人类艺术家在此基础上继续扩展与塑形。这种定位回应了计算折纸长期存在的实践分工——算法负责严密的几何可行性，人负责审美判断与细节雕琢。论文强调，把算法优化与自主的美学批判结合起来，展示了 AI 系统如何在多目标物理约束下工作，从而支撑一种可靠且数学上有据可依的“共同创造”（co-creativity）。
从研究背景看，这项工作属于生成式 AI 与物理/几何约束交叉的方向。与那些能用形式化验证判断对错的任务不同，艺术生成的评价本身就带有主观性，因此 COrigami 需要同时处理两类目标：一类是可被方程判定的平折性约束，另一类是需要品味判断的视觉可辨识度。作者用自主美学评估回路把后者转化为可优化的信号，再用强化学习闭环迭代，这一设计是论文方法上的关键。
论文提交于 2026 年 6 月 24 日 18:43:24 UTC，全文约 9.6 MB，提供 PDF、实验性 HTML 版本以及 TeX 源码，并附带 DOI（https://doi.org/10.48550/arXiv.2606.26299，由 DataCite 发放，尚待注册）。读者可通过 arXiv 页面获取全文，并借助 NASA ADS、Google Scholar、Semantic Scholar 以及 alphaXiv、Hugging Face、CatalyzeX 等工具查找代码、数据与相关引用。综合来看，COrigami 的意义在于把数学上严格的可平折约束与主观审美评估放进同一个优化闭环，为 AI 参与实体艺术设计提供了一个可复用的流程范例。