論文の概要: SimWorlds: A Multi-Agent System for Dynamic 3D Scene Creation

• arxiv url: http://arxiv.org/abs/2607.01766v1
• Date: Thu, 02 Jul 2026 06:29:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.700076
• Title: SimWorlds: A Multi-Agent System for Dynamic 3D Scene Creation
• Title（参考訳）: SimWorlds:動的3Dシーン作成のためのマルチエージェントシステム
• Abstract要約: テキストから動的に編集可能な4Dシーンを生成するマルチエージェントフレームワークであるSimWorldsを紹介する。 また,プロシージャのダイナミックな3Dシーンの視覚的忠実度と身体的整合性を評価するベンチマークである4DBuildBenchも導入した。
• 参考スコア（独自算出の注目度）: 50.175987640001644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents are increasingly used to translate natural language into 3D scenes in a procedural way, but existing systems focus on static output. Dynamic 4D scenes from text alone, in which liquids flow, particles emit, rigid bodies cascade, and articulated mechanisms move, remain largely unexplored despite their value as editable content and as physics-grounded training data for video generation and embodied AI. Two challenges set the dynamic case apart from static text-to-scene work: an agent must jointly coordinate spatial layout, multiple physics solvers, temporal sequencing, camera, and lighting in a single coherent scene, and verifying motion correctness from rendered video is fundamentally harder than judging a single image. We present SimWorlds: a multi-agent framework that produces dynamic, editable 4D scenes from text, with Blender-specific procedural knowledge, a planner-coder-reviewer workflow driving a fixed ordered sequence of construction stages, a layered scene protocol enforced by a deterministic verifier, and a runtime-state inspection tool suite that catches mechanism failures the rendered image cannot reveal. We also introduce 4DBuildBench, a benchmark for assessing both visual fidelity and physical consistency of the procedural dynamic 3D scenes generated from text prompts. Experiments show that SimWorlds outperforms prior dynamic Blender generation baselines.
• Abstract（参考訳）: LLMエージェントは、手続き的な方法で自然言語を3Dシーンに変換するのにますます使われているが、既存のシステムは静的な出力に重点を置いている。 テキストのみによるダイナミックな4Dシーンでは、編集可能なコンテンツとしての価値や、ビデオ生成やエンボディドAIのための物理地上トレーニングデータとしての価値にもかかわらず、液体の流れ、粒子放出、剛体カスケード、明瞭なメカニズムの移動がほとんど探索されていない。 エージェントは、空間的レイアウト、複数の物理解法、時間的シーケンシング、カメラ、照明を1つのコヒーレントなシーンで共同で調整する必要がある。 テキストから動的に編集可能な4Dシーンを生成するマルチエージェントフレームワークであるSimWorldsと、Blender固有の手続き知識と、一定の順序で構築段階を駆動するプランナー・コーダ・リビューアワークフローと、決定論的検証によって強制される階層化されたシーンプロトコルと、レンダリングされた画像のメカニズム障害をキャッチする実行時状態検査ツールスイートを提供する。 また,テキストプロンプトから生成されたプロシージャ動的3Dシーンの視覚的忠実度と物理的整合性を評価するベンチマークである4DBuildBenchを導入する。 実験の結果、SimWorldsは以前の動的ブレンダー生成ベースラインよりも優れていた。

関連論文リスト

• ESG: Generating Physically Consistent Dynamic 3D Scenes from Text Descriptions [19.29011683959245]
  テキストから物理的に一貫した3Dシーンを生成するための統一されたフレームワークを,Unreal Engineで直接実行可能にする。 EmphEvolutive Scene Graph (ESG) を用いて、物理的属性、空間関係、イベント駆動タイムラインをマシンチェック可能な形式で指定する。
  論文  参考訳（メタデータ） (2026-09-14T11:19:25Z)
• 4DSynth: Controllable Procedural World Synthesis for Dynamic Embodied Simulation [16.13796756164597]
  身体的エージェントは、視覚的に多様性があり、物理的にインタラクティブで、時間とともに変化する環境を必要とする。 4D Synthは、自然言語記述、青写真マスク、または1枚の写真を編集可能な4D環境に変換する、制御可能な手続きシステムである。 複数のシーンルートが1つの幾何学的地上表現を共有しているため、同じパイプラインがアニメーション、カメラ計画、レンダリング、タスク生成を処理する。
  論文  参考訳（メタデータ） (2026-08-27T10:49:20Z)
• PhysLayer: Language-Guided Layered Animation with Depth-Aware Physics [17.206634450299536]
  既存の画像から映像への生成法は、しばしば物理的に不可解な動きを生じさせ、オブジェクトのダイナミクスを正確に制御することができない。 静的画像の言語誘導・深度認識層アニメーションを可能にする新しいフレームワークであるPhysLayerを紹介した。
  論文  参考訳（メタデータ） (2026-04-26T07:29:13Z)
• StoryBlender: Inter-Shot Consistent and Editable 3D Storyboard with Spatial-temporal Dynamics [56.8957922153694]
  StoryBlenderは、ストーリー中心のリフレクションスキームによって管理される、3Dストーリーボード生成フレームワークです。 StoryBlenderは拡散ベースベースと3Dグラウンドベースラインの整合性と編集性を大幅に改善する。
  論文  参考訳（メタデータ） (2026-04-01T07:24:31Z)
• PAT3D: Physics-Augmented Text-to-3D Scene Generation [47.18949891825537]
  PAT3Dは3Dオブジェクトを生成し、それらの空間的関係を推測し、それらを階層的なシーンツリーに整理する。 微分可能な剛体シミュレータは、重力下での現実的な物体の相互作用を保証する。 実験により、PAT3Dは、物理的妥当性、意味的一貫性、視覚的品質において、従来のアプローチよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-26T23:23:58Z)
• Drag4D: Align Your Motion with Text-Driven 3D Scene Generation [77.79131321983677]
  Drag4Dはインタラクティブなフレームワークで、テキスト駆動の3Dシーン生成にオブジェクトの動き制御を統合する。 このフレームワークにより、ユーザーは単一の画像から生成された3Dオブジェクトに対して3Dトラジェクトリを定義し、それらを高品質な3D背景にシームレスに統合することができる。
  論文  参考訳（メタデータ） (2025-09-26T05:23:45Z)
• 4D Gaussian Splatting: Modeling Dynamic Scenes with Native 4D Primitives [115.67081491747943]
  動的3Dシーン表現と新しいビュー合成はAR/VRおよびメタバースアプリケーションの実現に不可欠である。 我々は,その基礎となる4次元体積を近似として,時間変化の異なる3次元シーンの再構成を再構成する。 ストレージのボトルネックに対処するため、メモリフットプリントを効果的に削減するいくつかのコンパクトなバリエーションを導出する。
  論文  参考訳（メタデータ） (2024-12-30T05:30:26Z)
• Differentiable Blocks World: Qualitative 3D Decomposition by Rendering Primitives [70.32817882783608]
  本稿では,3次元プリミティブを用いて,シンプルでコンパクトで動作可能な3次元世界表現を実現する手法を提案する。 既存の3次元入力データに依存するプリミティブ分解法とは異なり,本手法は画像を直接操作する。 得られたテクスチャ化されたプリミティブは入力画像を忠実に再構成し、視覚的な3Dポイントを正確にモデル化する。
  論文  参考訳（メタデータ） (2023-07-11T17:58:31Z)

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。