論文の概要: PhysCodeGym: Benchmarking Coding Agents for Physically Verifiable 4D Reconstruction

• arxiv url: http://arxiv.org/abs/2610.17288v1
• Date: Mon, 12 Oct 2026 18:44:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.441874
• Title: PhysCodeGym: Benchmarking Coding Agents for Physically Verifiable 4D Reconstruction
• Title（参考訳）: PhysCodeGym:物理的に検証可能な4次元再構成のためのベンチマークコーディングエージェント
• Abstract要約: PhysCodeGymは、物理的に検証可能な4D再構成のためのベンチマークで、156ドルのタスクがある。 エージェントは、動画を自律的に検査し、Blenderプログラムを書き、実行し、シミュレーションフィードバックを使用してシーンを修正する。
• 参考スコア（独自算出の注目度）: 41.16378325751574
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Building physical simulations from video requires coding agents to translate observations into executable models and refine them through tool use. We introduce PhysCodeGym, a benchmark for physically verifiable 4D reconstruction with $156$ tasks covering rigid-body, liquid, deformable, and wind-driven motion. Agents autonomously inspect videos, write and run Blender programs, and revise their scenes using simulation feedback. Six metrics combine rule-based measurements with rubric-based judgments to assess visual and physical reconstruction quality. Program inspection, scene measurements, and counterfactual interventions test physical consistency under original and modified conditions. Experiments with frontier coding agents reveal a tradeoff between artifact quality and completion across reasoning-effort settings, while harness comparisons and agent traces link verification behavior with reconstruction performance. Case studies show that matching visible objects and events can coexist with physical defects. Counterfactual tests further expose latent contact and support failures in reconstructions that pass ordinary physical checks, highlighting the gap between reproducing observations and building reliable physical models. Code is available at https://github.com/ShaoShuai0605/PhysCodeGym.
• Abstract（参考訳）: ビデオから物理シミュレーションを構築するには、観察結果を実行可能なモデルに変換し、ツールの使用を通じてそれらを洗練する必要がある。 PhysCodeGymは物理的に検証可能な4D再構成のためのベンチマークで、剛体、液体、変形性、風力駆動の動作をカバーしている。 エージェントは、動画を自律的に検査し、Blenderプログラムを書き、実行し、シミュレーションフィードバックを使用してシーンを修正する。 6つの指標は、ルールベースの測定とルーブリックに基づく判断を組み合わせることで、視覚的および身体的再構成の品質を評価する。 プログラム検査、シーン計測、および対実的介入は、オリジナルおよび修正された条件下で物理的整合性をテストする。 フロンティア符号化エージェントを用いた実験では, 実物品質と完成度とのトレードオフが説明され, 比較とエージェントトレースによるリンク検証動作と復元性能が比較された。 ケーススタディでは、目に見える物体や事象が物理的欠陥と共存できることが示されている。 カウンターファクトテストは、通常の物理的チェックをパスする再構成において、潜伏した接触とサポートの失敗をさらに露呈し、再生観察と信頼性のある物理モデルの構築の間のギャップを強調します。 コードはhttps://github.com/ShaoShuai0605/PhysCodeGymで入手できる。

関連論文リスト

• 4DCodeBench: Benchmarking Agents on Inverse Graphics of Dynamic Scenes [55.189045318829294]
  コード生成による4D逆グラフィックスのベンチマークである4DCodeBenchを紹介する。 本研究では, 変形, 流動, 破壊など多様な物理現象にまたがる合成シーンを構築した。 4DCodeBenchは、エージェントへの進捗を追跡するテストベッドを提供する。
  論文  参考訳（メタデータ） (2026-10-02T17:58:49Z)
• FACT: Fidelity-Aware Construction of Articulated Twins [37.13467057047378]
  アーティキュレートされた資産は、まだ接触相互作用中に失敗したり、不正確な動きを示すことがある。 我々は、幾何、接触、動的忠実性を改善するために、段階的に調音双生児を構築するフレームワークであるFACTを提案する。
  論文  参考訳（メタデータ） (2026-09-29T09:04:34Z)
• PhysAgent: Reflective Agentic Physics Control for Physically Plausible Video Generation [68.13035350819901]
  PhysAgentは物理プログラム生成、物理シミュレーション、ステージ固有の検証、ターゲットプログラム修復のループを閉じるフレームワークである。 我々のフレームワークは、より物理的に妥当なビデオを生成し、より優れたプロンプトアライメントを実現し、多様な物理的シナリオにわたってより効果的に一般化する。
  論文  参考訳（メタデータ） (2026-07-17T08:55:09Z)
• 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)
• PhyCo: Learning Controllable Physical Priors for Generative Motion [55.59209981836171]
  本稿では,ビデオ生成に連続的,解釈可能,物理的に接地された制御を導入するフレームワークであるPhyCoを紹介する。 i) 摩擦, 再構成, 変形, 力が様々なシナリオで体系的に変化する100K以上のフォトリアリスティック・シミュレーション・ビデオの大規模データセット, (ii) 物理制御された拡散モデルの微調整, (iii) VLM誘導報酬最適化, 微調整された視覚言語モデルにより、対象とする物理クエリを用いて生成されたビデオを評価し、異なるフィードバックを提供する。
  論文  参考訳（メタデータ） (2026-04-30T17:53:03Z)
• 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)
• VisPhyWorld: Probing Physical Reasoning via Code-Driven Video Reconstruction [48.60465268759689]
  VisPhyWorldは、物理推論を評価する実行ベースのフレームワークである。 実行可能コードを生成することで、推論された世界表現は直接検査可能、編集可能、偽造可能となる。 現状のMLLMは強いセマンティックなシーン理解を実現する一方で、物理的パラメータを正確に推測し、一貫した物理力学をシミュレートするのに苦労していることを示す。
  論文  参考訳（メタデータ） (2026-02-09T05:46:44Z)

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。