論文の概要: NeoWorld-Pro: Programming Interactive Scenes from Monocular Images for Embodied Simulation
- arxiv url: http://arxiv.org/abs/2608.24212v1
- Date: Tue, 25 Aug 2026 08:19:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.867449
- Title: NeoWorld-Pro: Programming Interactive Scenes from Monocular Images for Embodied Simulation
- Title（参考訳）: NeoWorld-Pro: 身体シミュレーションのためのモノクロ画像からインタラクティブなシーンをプログラミングする
- Abstract要約: NeoWorld-Proは、インタラクティブな3D環境のためのプロシージャプログラミングとして、単眼のシーン再構成を再構築するフレームワークである。
次に、ループ内の物理機構は、物理エンジンでの実行を検証することによって、生成されたプログラムを反復的に洗練する。
- 参考スコア（独自算出の注目度）: 37.57654523550713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The advancement of Embodied AI necessitates high-quality simulation assets that faithfully mirror the real world. However, transforming raw visual observations into simulation-ready scenes remains challenging due to the lack of physical grounding and scene-level interactivity in current image-to-URDF methods. We propose NeoWorld-Pro, a framework that reformulates monocular scene reconstruction as procedural programming for interactive 3D environments. Leveraging the zero-shot reasoning and code synthesis capabilities of MLLMs, NeoWorld-Pro converts a single RGB image into executable programs specifying object geometry, articulation, and physical properties. A physics-in-the-loop mechanism then iteratively refines the generated programs by validating their execution in a physics engine, enforcing physically plausible articulations, valid object compositions and interactions, and accurate spatial relationships. Experiments show that NeoWorld-Pro outperforms open-loop and prior monocular reconstruction methods, while enabling complex downstream tasks such as stable stacking and fine-grained manipulation.
- Abstract（参考訳）: Embodied AIの進歩は、現実世界を忠実に反映する高品質なシミュレーション資産を必要とする。
しかし、現在の画像からURDF法では、物理的接地やシーンレベルの相互作用が欠如しているため、生の視覚観察をシミュレーション可能なシーンに変換することは依然として困難である。
インタラクティブな3D環境のためのプロシージャプログラミングとしてモノクロシーン再構成を再構成するフレームワークであるNeoWorld-Proを提案する。
MLLMのゼロショット推論とコード合成機能を活用して、NeoWorld-Proは単一のRGB画像をオブジェクトの幾何学、調音、物理的特性を指定する実行可能なプログラムに変換する。
物理-ループ機構は、物理エンジンでの実行を検証することで生成されたプログラムを反復的に洗練し、物理的に妥当な調音、有効なオブジェクトの合成と相互作用、そして正確な空間的関係を強制する。
実験により、NeoWorld-Proはオープンループや以前の単分子再構成よりも優れており、安定したスタック化やきめ細かな操作といった複雑な下流処理を可能にしている。
関連論文リスト
- SimWorlds: A Multi-Agent System for Dynamic 3D Scene Creation [50.175987640001644]
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。
論文 参考訳（メタデータ） (2026-07-02T06:29:18Z) - ManiSplat: Manipulation Trajectory Synthesis from Monocular Video via Decoupled 3D Gaussian Splatting [28.256286705954846]
現実の観察から動的でインタラクティブな3Dシーンを再構築することは、コンピュータビジョンとロボティクスの基本的な課題である。
ロボットビデオから直接ガウスのデジタル双生児を制御可能で分離する統合フレームワークであるManiSplatを紹介した。
提案手法は,対話駆動型動的シーンを高忠実度かつ制御性で再構築し,下流ロボットタスクとポリシー学習を効果的に支援する。
論文 参考訳（メタデータ） (2026-06-09T09:55:58Z) - SceneCode: Executable World Programs for Editable Indoor Scenes with Articulated Objects [69.20984454755512]
室内シーンの合成は、AI、ロボット操作、シミュレーションベースのポリシー評価を具体化する。
既存のパイプラインは、生成されたコンテンツを静的メッシュとして表現し、キュレートされたアセットライブラリからのみ調音を継承する。
我々は、自然言語プロンプトを実行可能なコード駆動屋内世界にコンパイルするフレームワークであるSceneCodeを紹介する。
論文 参考訳（メタデータ） (2026-05-19T09:31:04Z) - TelePhysics: Physics-Grounded Multi-Object Scene Generation from a Single Image with Real-Time Interaction [51.01447538245441]
トレーニング不要なフレームワークであるTelePhysicsを提案する。
空間座標系で全シーンの幾何学を表現することで、TelePhysicsは物体の侵入とアライメントのあいまいさを解消する。
実験結果から,TelePhysicsは,物理忠実度,空間コヒーレンス,制御性において,従来手法よりも大幅に優れていたことがわかった。
論文 参考訳（メタデータ） (2026-05-19T08:16:44Z) - HSImul3R: Physics-in-the-Loop Reconstruction of Simulation-Ready Human-Scene Interactions [69.43316445143408]
HSImul3Rはヒトとシーンの相互作用をシミュレーション可能な3次元再構成のための統合フレームワークである。
既存の手法は知覚とシミュレーションのギャップに悩まされており、物理エンジンの不安定性と、具体化されたAIアプリケーションの失敗につながっている。
論文 参考訳（メタデータ） (2026-03-16T17:58:33Z) - URDF-Anything+: Autoregressive Articulated 3D Models Generation for Physical Simulation [45.4820195450296]
本稿では,視覚的観察から実行可能なオブジェクトモデルを直接生成する,エンドツーエンドの自動回帰フレームワークを提案する。
視覚的観察から構築された高忠実度デジタル双生児は、シミュレーションで訓練されたポリシーを、オンライン適応なしで実際のロボットに転送することができる。
論文 参考訳（メタデータ） (2026-03-14T16:23:44Z) - Mirage2Matter: A Physically Grounded Gaussian World Model from Video [87.9732484393686]
我々は、グラフィック駆動の世界モデリングおよびシミュレーションフレームワークであるSimulate Anythingを紹介する。
実世界の環境を3次元ガウススプレイティング(3DGS)による写実的シーン表現に再構築する。
次に、生成モデルを利用して、物理的に現実的な表現を復元し、精度校正ターゲットを介してシミュレーション環境に統合する。
論文 参考訳（メタデータ） (2026-01-24T07:43:57Z) - HoloScene: Simulation-Ready Interactive 3D Worlds from a Single Video [25.898073594115413]
HoloSceneはインタラクティブな3D再構成フレームワークである。
オブジェクトの幾何学、外観、物理的特性を階層的およびオブジェクト間関係と共に符号化する。
得られたデジタル双生児は、新しい視点から完全な正確な幾何学、物理的安定性、現実的なレンダリングを示す。
論文 参考訳（メタデータ） (2025-10-07T04:12:18Z)
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。