南洋理工发布 PhysLDM:用潜扩散模型一次生成高保真 3D 形变仿真
XingangP · x · 2026-10-19
南洋理工大学 S-Lab 与上海 AI Lab 团队发布 PhysLDM,一个基于潜扩散模型(LDM)的神经物理仿真器,思路是「让物理仿真像视频生成一样工作」。
核心要点:
- 时空 VAE(ST-VAE):将动态 3D 可变形网格压缩到紧凑潜空间,避免常见视频 VAE 时序压缩的「阶梯」伪影,解耦刚体运动与局部形变,在米级场景上实现约 2.48mm 重建精度、最高 78 倍 token 压缩。
- 关键建模洞察:复杂可形变动力学往往是混沌的,确定性回归会输出阻尼、非物理的「平均值」,而扩散模型更能刻画其分布,因此采用潜扩散一次性预测整条高分辨率轨迹。
- 仅在 Objaverse 规模仿真数据上做纯运动学训练,即可 零样本泛化 到未见过的 GSO、Toys4K 等 OOD 数据集。
- 模型完全可微,可求解困难的逆问题。
作者称这是迈向物理世界模型的一步,有望让 3D 仿真对 ML 社区更易用。
「具身」频道最新
- 不用相机和触觉：机器人靠关节信号就能盲穿齿轮螺母 — kevin_zakka · 2026-10-19
- 当 AI 默认录下所有对话:可搜索记忆将如何改变社交 — generativist · 2026-10-19
- 特斯拉股东信现 Optimus v3 神秘剪影，配马斯克「丰裕时代」宣言 — CyberRobooo · 2026-10-19
- Nathan Benaich：机器人正迎来自己的 GPT-2 时刻 — nathanbenaich · 2026-10-19
- 德国机器人创业者访华第6天:中国机器人创新未必领先,落地规模将无人能敌 — DominiqueCAPaul · 2026-10-19
- Ropedia 超级周开启：W0 世界模型让机器人先预测物理世界再行动 — liuziwei7 · 2026-10-19