論文の概要: PhysX-Omni: Unified Simulation-Ready Physical 3D Generation for Rigid, Deformable, and Articulated Objects

• arxiv url: http://arxiv.org/abs/2605.21572v1
• Date: Wed, 20 May 2026 17:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:41.944687
• Title: PhysX-Omni: Unified Simulation-Ready Physical 3D Generation for Rigid, Deformable, and Articulated Objects
• Title（参考訳）: PhysX-Omni: 剛体・変形可能・人工物体のための統一シミュレーション対応物理3次元生成
• Authors: Ziang Cao, Yinghao Liu, Haitian Li, Runmao Yao, Fangzhou Hong, Zhaoxi Chen, Liang Pan, Ziwei Liu,
• Abstract要約: pysX-Omniは、様々な資産タイプにまたがるシミュレーション可能な物理3D生成のための統合フレームワークである。 具体的には、圧縮のない高解像度3D構造を直接符号化するビジョンランゲージモデルに適した、新規で効率的な幾何学的表現を開発する。 さらに,室内および屋外の多様なカテゴリをカバーするシミュレーション可能な最初の汎用3DデータセットであるPhysXVerseを構築した。
• 参考スコア（独自算出の注目度）: 60.069451811298315
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulation-ready physical 3D assets have emerged as a promising direction owing to their broad applicability in downstream tasks. However, most existing 3D generation methods either neglect physical properties or are limited to a single asset category, e.g., rigid, deformable, or articulated objects. To address these limitations, we introduce PhysX-Omni, a unified framework for simulation-ready physical 3D generation across diverse asset types. Specifically, we develop a novel and efficient geometry representation tailored for Vision-Language Models, which directly encodes high-resolution 3D structures without compression, significantly improving generation performance. In addition, we construct the first general simulation-ready 3D dataset, PhysXVerse, covering diverse indoor and outdoor categories. Furthermore, to comprehensively and flexibly evaluate both generative and understanding capabilities in the wild, we propose PhysX-Bench, which encompasses six key attributes: geometry, absolute scale, material, affordance, kinematics, and function description. Extensive experiments with conventional metrics and PhysX-Bench show that PhysX-Omni performs strongly in both generation and understanding. Moreover, additional studies further validate the potential of PhysX-Omni for applications in simulation-ready scene generation and robotic policy learning. We believe PhysX-Omni can significantly advance a wide range of downstream applications, particularly in embodied AI and physics-based simulation.
• Abstract（参考訳）: シミュレーション可能な物理3Dアセットは、下流タスクの幅広い適用性のため、将来性のある方向として現れている。 しかし、既存の3D生成手法のほとんどは物理的性質を無視するか、あるいは単一の資産カテゴリ(例えば、剛性、変形性、または関節化オブジェクト)に制限されている。 これらの制約に対処するため、様々な資産タイプにまたがるシミュレーション可能な物理3D生成のための統合フレームワークであるPhysX-Omniを導入する。 具体的には、圧縮のない高解像度3D構造を直接符号化し、生成性能を著しく向上させるビジョンランゲージモデルに適した、新規で効率的な幾何学的表現を開発する。 さらに,室内および屋外の多様なカテゴリをカバーするシミュレーション可能な最初の汎用3DデータセットであるPhysXVerseを構築した。 さらに、自然界における生成能力と理解能力の両方を包括的かつ柔軟に評価するために、幾何学、絶対スケール、材料、余裕、運動学、関数記述の6つの重要な属性を含むPhysX-Benchを提案する。 従来の測定値とPhysX-Benchによる大規模な実験により、PhysX-Omniは生成と理解の両方で強く機能することが示された。 さらに、シミュレーション可能なシーン生成とロボットポリシー学習への応用のために、PhysX-Omniの可能性をさらに検証した。 PhysX-Omniは、特に具体化されたAIや物理に基づくシミュレーションにおいて、幅広い下流アプリケーションを大幅に前進させることができると信じています。

関連論文リスト

• PhysX-Anything: Simulation-Ready Physical 3D Assets from Single Image [67.76547268461411]
  PhysX-Anythingは最初のシミュレーション可能な物理3D生成フレームワークである。 高品質なsim-ready 3Dアセットを明示的な幾何学、調音、物理的特性で生成する。 トークンの数を193倍に減らし、標準VLMトークン予算内で明示的な幾何学的学習を可能にする。
  論文  参考訳（メタデータ） (2025-11-17T17:59:53Z)
• PhysWorld: From Real Videos to World Models of Deformable Objects via Physics-Aware Demonstration Synthesis [52.905353023326306]
  物理的に妥当で多様な実演を合成し、効率的な世界モデルを学ぶためのフレームワークであるPhysWorldを提案する。 実験により、PhysWorldは、最新の最先端手法、すなわちPhysTwinよりも47倍高速な推論速度を実現しつつ、競争性能を持つことが示された。
  論文  参考訳（メタデータ） (2025-10-24T13:25:39Z)
• Seed3D 1.0: From Images to High-Fidelity Simulation-Ready 3D Assets [63.67760219308476]
  シミュレーション可能な3Dアセットを単一画像から生成する基礎モデルであるSeed3D 1.0を提案する。 既存の3D生成モデルとは異なり、我々のシステムは正確な幾何学、よく整合したテクスチャ、リアルな物理的基盤を持つ資産を生産する。
  論文  参考訳（メタデータ） (2025-10-22T18:16:32Z)
• PhysX-3D: Physical-Grounded 3D Asset Generation [48.78065667043986]
  既存の3D生成は、物理グラウンドモデリングを無視しながら、ジオメトリーとテクスチャに重点を置いている。 PhysXNet - 5つの基本次元に体系的にアノテートされた最初の物理地上3Dデータセット。 また,物理基底画像から3次元のアセット生成のためのフィードフォワードフレームワークである textbfPhysXGen も提案する。
  論文  参考訳（メタデータ） (2025-07-16T17:59:35Z)
• Physics3D: Learning Physical Properties of 3D Gaussians via Video Diffusion [35.71595369663293]
  ビデオ拡散モデルを用いて3Dオブジェクトの様々な物理的特性を学習する新しい手法である textbfPhysics3D を提案する。 本手法では,粘弾性材料モデルに基づく高一般化物理シミュレーションシステムを設計する。 弾性材料とプラスチック材料の両方を用いて, 本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-06-06T17:59:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。