论文页面 - PhysForge：为交互式虚拟世界生成物理接地 3D 资产

来源：https://huggingface.co/papers/2605.05163

摘要

PhysForge 通过结合用于物理规划的视觉-语言模型（VLM）与一种新型注入机制，利用物理接地扩散模型合成详细的几何结构和运动学参数，从而生成交互式 3D 资产。

合成物理接地的 3D 资产是交互式虚拟世界和具身智能体的关键瓶颈。现有方法主要侧重于静态几何结构，忽视了交互所需的功能属性。我们提出，交互式资产生成必须以功能逻辑和分层物理为基础。为了弥合这一差距，我们提出了 PhysForge，这是一种由 PhysDB（包含 15 万个资产和四级物理标注的大规模数据集）支持的两阶段解耦框架。首先，视觉-语言模型作为“物理架构师”，规划出定义材料、功能和运动学约束的“分层物理蓝图”（Hierarchical Physical Blueprint）。其次，物理接地扩散模型（physics-grounded diffusion model）通过新颖的 KineVoxel 注入（KineVoxel Injection）（KVI）机制，实现该蓝图，合成高保真几何结构及精确的运动学参数（kinematic parameters）。实验表明，PhysForge 能够生成功能合理、可直接用于模拟的资产（simulation-ready assets），为交互式 3D 内容和具身智能体提供了稳健的数据引擎。

查看 arXiv 页面 (https://arxiv.org/abs/2605.05163) 查看 PDF (https://arxiv.org/pdf/2605.05163) 项目页面 (https://hku-mmlab.github.io/PhysForge/) GitHub44 (https://github.com/HKU-MMLab/PhysForge) 加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.05163)

在您的代理中获取此论文：

hf papers read 2605\.05163

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

没有链接此论文的模型

请在模型 README.md 中引用 arxiv.org/abs/2605.05163 以从本页面链接它。

引用此论文的数据集 0

没有链接此论文的数据集

请在数据集 README.md 中引用 arxiv.org/abs/2605.05163 以从本页面链接它。

引用此论文的 Spaces 0

没有链接此论文的 Space

请在 Space README.md 中引用 arxiv.org/abs/2605.05163 以从本页面链接它。

包含此论文的合集 1