标签
该论文提出一种物理注意力偏置（physical attention bias），在注意力logits上加入基于弧长距离和欧氏距离的可学习项，以改进对未训练过的电缆等可变形线性对象（DLOs）的运动预测，显著减少长期rollout中的漂移与误差。
UMA_Robots 开发的人工智能展示了拾取和扫描可变形、湿滑、薄巧且易碎物品的能力。
Deform360是一个大规模视触觉数据集，包含198个物体、超过215小时的观测数据，用于研究可变形物体动力学，支持在机器人操作中比较2D视频与3D粒子世界模型。
EgoPhys 提出一个框架，利用通用先验和紧凑码本从第一人称 RGB 视频构建可变形物理数字孪生，无需针对每个弹簧进行优化即可实现对新物体的零样本泛化。该系统在真实机器人上进行了演示，表明第一人称人类玩耍视频可以作为可变形物体规划的内部世界表征。
本文介绍了FreeForm，一种使用再生核粒子法(RKPM)的可变形超弹性物体降阶仿真方法，该方法相比神经场方法实现了40倍的训练加速和更低的误差。
PhysX-Omni 是一个统一的框架，用于可模拟的物理3D生成，涵盖刚体、可变形体和关节物体，并带有新数据集（PhysXVerse）和基准（PhysX-Bench）。