論文の概要: Text2Sim: Agentic Physics-Based Simulation Generation with Distilled Expertise
- arxiv url: http://arxiv.org/abs/2609.36593v2
- Date: Wed, 30 Sep 2026 14:35:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.150186
- Title: Text2Sim: Agentic Physics-Based Simulation Generation with Distilled Expertise
- Title（参考訳）: Text2Sim: 蒸留専門知識を用いたエージェント物理に基づくシミュレーション生成
- Abstract要約: Text2Simは、テキストのみの要求を実行可能な、編集可能な動的ケースに変換するシミュレーション特殊化エージェントパイプラインである。
Genesis上に構築されたText2Simは階層的なエージェント構造を使用しており、Plannerと特殊なライター、アセットジェネレーションツール、独立したCriticとを結合している。
剛性,調音性,変形性,布の現象にまたがる42個のホールドアウトプロンプトの物理的品質,視覚的品質,人的嗜好を,紙レベルで構成と評価を分けて評価した。
- 参考スコア（独自算出の注目度）: 24.024732608451924
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Creating diverse physical simulations remains labor-intensive because assets, layout, physical parameters, motion, control, and rendering must be designed and debugged jointly. We present Text2Sim, a simulation-specialized agentic pipeline that converts a text-only request into an executable, editable dynamic case. Built on Genesis, Text2Sim uses a hierarchical agentic structure that combines a Planner with specialized Writers, asset-generation tools, and an independent Critic. Compact skills (Debug Cards) distilled from graphics demonstrations provide role-specific physical guidance for execution-based repair. We evaluate physical quality, visual quality, and human preference on 42 held-out prompts spanning rigid, articulated, deformable, and cloth phenomena, with a paper-level split between experience construction and evaluation. We design automatic physical and visual scorers to evaluate the quality of the results, and Text2Sim achieves higher scores than all four state-of-the-art baselines on both metrics. In blinded user studies with these baselines, significantly more participants prefer Text2Sim than prefer the baselines, which is consistent with the results from our automatic scorers. The pipeline also supports a broad range of downstream applications; we select dataset construction and extension to multimodal input as two representative examples. We will release the code, the Debug Card library, and a dataset of generated cases, each pairing the text prompt and rendered video with the executable program, assets, physical parameters, controls, and recorded states.
- Abstract（参考訳）: 資産、レイアウト、物理パラメータ、運動、制御、レンダリングを共同で設計しデバッグする必要があるため、多様な物理シミュレーションを作成することは労働集約的である。
テキストのみの要求を実行可能な動的ケースに変換するシミュレーション特化エージェントパイプラインであるText2Simを提案する。
Genesis上に構築されたText2Simは階層的なエージェント構造を使用しており、Plannerと特殊なライター、アセットジェネレーションツール、独立したCriticとを結合している。
グラフィックデモから抽出したコンパクトなスキル(デバッグカード)は、実行ベースの修復のためのロール固有の物理的ガイダンスを提供する。
剛性,調音性,変形性,布の現象にまたがる42個のホールドアウトプロンプトの物理的品質,視覚的品質,人的嗜好を,紙レベルで構成と評価を分けて評価した。
結果の質を評価するために自動的な物理的および視覚的スコアラを設計し、Text2Simは両指標の4つの最先端ベースラインよりも高いスコアを得る。
これらのベースラインを用いた盲目ユーザスタディでは、自動スコアラーの結果と一致したベースラインを好むよりも、Text2Simの方がはるかに多い。
パイプラインはまた、幅広いダウンストリームアプリケーションもサポートしています。2つの代表的な例として、データセットの構築とマルチモーダル入力の拡張を選択します。
コード、デバッグカードライブラリ、生成されたケースのデータセットをそれぞれ、実行可能なプログラム、アセット、物理パラメータ、コントロール、記録された状態と、テキストプロンプトとレンダリングされたビデオをペアリングします。
関連論文リスト
- VISTA: An End-to-End Benchmark for Visual Spec-to-Web-App Coding Agents [25.141059096863255]
VISTAは、LLMベースのエージェントのエンドツーエンドのWebアプリケーション生成機能を評価するためのベンチマークである。
視覚的/構造的忠実度とスタック制約の2つの軸に沿って変化する5つのプロンプト情報条件を定義する。
ベンチマークの各ページは、インタラクティブなUIコンポーネントと約3つの視覚的アンカーポイントで手動で注釈付けされる。
論文 参考訳（メタデータ） (2026-05-22T20:29:12Z) - TextSculptor: Training and Benchmarking Scene Text Editing [88.11688559021628]
データ構築とシーンテキスト編集評価のための総合的なフレームワークであるTextSculptorを提案する。
TextSculptorはオープンソースのテキスト編集性能を改善し、プロプライエタリなモデルとのギャップを狭める。
論文 参考訳（メタデータ） (2026-05-20T12:22:26Z) - Coding Agent Is Good As World Simulator [5.161736405778465]
本稿では,物理に基づく世界モデル構築のためのエージェントフレームワークを提案する。
このフレームワークは、計画、コード生成、ビジュアルレビュー、物理分析エージェントを調整する。
実験の結果,本フレームワークは,物理精度,命令忠実度,視覚的品質において,高度な映像ベースモデルよりも優れていた。
論文 参考訳（メタデータ） (2026-05-14T05:33:41Z) - Toward Visually Realistic Simulation: A Benchmark for Evaluating Robot Manipulation in Simulation [62.51953630639423]
既存のベンチマークには視覚的リアリズムがなく、シミュレーションと現実の間に大きな領域ギャップが生じる。
シミュレーションにおけるロボット操作評価のための,視覚的にリアルなベンチマークであるVISERを提案する。
VISERは、物理ベースのレンダリング(PBR)素材を備えた1000以上の3Dアセットの高忠実度データセットと、それらのアセットから作成される3Dシーンを、レイアウトや生成によって構成する。
論文 参考訳（メタデータ） (2026-05-07T14:13:05Z) - PhysCodeBench: Benchmarking Physics-Aware Symbolic Simulation of 3D Scenes via Self-Corrective Multi-Agent Refinement [35.63080643326192]
物理を意識した3Dシーンのシンボルシミュレーションは、ロボット工学、AI、科学計算に不可欠である。
我々はPhysCodeBenchを紹介した。PhysCodeBenchは物理学を意識したシンボリックシミュレーションを評価するための、最初の総合的なベンチマークである。
評価フレームワークは、自動的および視覚的評価により、コード実行可能性と身体的精度の両方を測定する。
論文 参考訳（メタデータ） (2026-04-26T07:37:20Z) - SimuScene: Training and Benchmarking Code Generation to Simulate Physical Scenarios [71.65387146697319]
大規模言語モデル(LLM)は、数学の競争、複雑なコーディング、科学的推論といったタスクのために広く研究されている。
物理シナリオをシミュレートしてLLMを訓練し,評価する最初の体系的な研究であるSimuSceneを提案する。
品質を保証するために、人間の検証とともに、データ収集のための自動パイプラインを構築します。
論文 参考訳（メタデータ） (2026-02-11T13:26:02Z) - Exploring Physical Intelligence Emergence via Omni-Modal Architecture and Physical Data Engine [50.62040226184694]
我々はOmniFysicsについて紹介する。OmniFysicsは、画像、音声、ビデオ、テキスト間の理解を統一するコンパクトなオムニモーダルモデルである。
明示的な物理知識を注入するために、2つのコンポーネントからなる物理データエンジンを構築します。
実験は、標準マルチモーダルベンチマークにおける競合性能を示し、物理指向評価の結果を改善した。
論文 参考訳（メタデータ） (2026-02-05T14:04:51Z) - Real2Sim based on Active Perception with automatically VLM-generated Behavior Trees [41.21672421530866]
本稿では,タスク固有の物理的インタラクションのための行動木を自律的に生成・実行するReal2Simフレームワークを提案する。
高レベルのユーザ要求、不完全なシミュレーション記述、シーンのRGB観察が与えられた場合、視覚言語モデルは、関連するオブジェクトを特定するためのマルチモーダル推論を実行する。
結果の挙動はトルク制御されたフランカ・エミカ・パンダ上で実行され、パラメータ推定に適合し、接触に富んだ相互作用を可能にする。
論文 参考訳（メタデータ） (2026-01-13T11:28:46Z) - T2V-CompBench: A Comprehensive Benchmark for Compositional Text-to-video Generation [55.57459883629706]
コンポジションテキスト・ビデオ生成に関する最初の体系的研究を行う。
合成テキスト・ビデオ生成に適した最初のベンチマークであるT2V-CompBenchを提案する。
論文 参考訳（メタデータ） (2024-07-19T17:58:36Z) - Extensive Evaluation of Transformer-based Architectures for Adverse Drug
Events Extraction [6.78974856327994]
逆イベント(ADE)抽出は、デジタル製薬における中核的なタスクの1つである。
我々は、非公式テキストを用いたADE抽出のための19のトランスフォーマーモデルを評価する。
分析の最後には、実験データから導出可能なテイクホームメッセージのリストを同定する。
論文 参考訳（メタデータ） (2023-06-08T15:25:24Z)
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。