論文の概要: Code2Worlds-2: Physically Plausible Agent Harness for Embodied World Simulation

• arxiv url: http://arxiv.org/abs/2610.17651v1
• Date: Tue, 13 Oct 2026 03:30:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 18:00:23.752779
• Title: Code2Worlds-2: Physically Plausible Agent Harness for Embodied World Simulation
• Title（参考訳）: Code2Worlds-2: 身体的世界シミュレーションのための物理的にプラウザブルなエージェントハーネス
• Abstract要約: 我々は、4Dワールドジェネレーションを具現化された世界シミュレーションに変換するCode2Worlds-2をCode2Worldsの拡張として提示する。 SimCode4Dや、自然、屋内、工業、都市、ロボットが操作可能なシーンでの実験は、Code2Worlds-2が物理的に可塑性でシミュレータ互換でロボットが操作可能なシーンを制作していることを示している。
• 参考スコア（独自算出の注目度）: 57.44452322402844
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent coding large language models (LLMs) can synthesize dynamic 4D worlds from natural language, but the resulting content remains a visual artifact. It lacks physical semantics such as the collision geometry, mass, friction, inertia, and joint structure, required to enable it to simulate the physical world, and its dynamics are scripted to look plausible rather than designed to execute. What is needed is an executable world: one that a physics engine can load and step, resolving contact physically. We present Code2Worlds-2, an extension of Code2Worlds that turns 4D world generation into an embodied world simulation. We keep the original dual-stream generation pipeline intact and append two modules. First, a SimReady Scene Compiler that turns a generated visual scene into a simulator-compatible representation: it assigns collision meshes via convex decomposition, estimates physical attributes with a vision-language model, infers a lightweight support graph, instantiates the engine's contact, friction, and dynamics constraints, and applies a gravity settling pass, before exporting the scene as MuJoCo MJCF. Second, a Simulator-in-the-Loop 4D Refiner that implements an automated agent harness-a compile, simulate, critique and refine loop-that converts visual dynamics into executable rigid and articulated dynamics and evolves the physical settings rather than only the code, replacing the purely visual motion critic with a simulator critic that inspects penetration depth, collision pairs, stability, contact forces, joint limits, and robot reachability. We further propose SimCode4D, a state-based benchmark with five task templates for evaluating embodied simulation. Experiments on SimCode4D and across natural, indoor, industrial, urban, and service scenes show that Code2Worlds-2 produces physically plausible, simulator-compatible, and robot-interactable scenes.
• Abstract（参考訳）: 近年の符号化大型言語モデル(LLM)は、動的4D世界を自然言語から合成することができるが、結果として得られる内容は視覚的アーティファクトのままである。 物理世界をシミュレートするために必要とされる衝突幾何学、質量、摩擦、慣性、関節構造のような物理的な意味論が欠如しており、その力学は実行するために設計されるのではなく、スクリプト化されている。 物理エンジンは、物理的に接触を解消し、積み重ねることができる。 我々は、4Dワールドジェネレーションを具現化された世界シミュレーションに変換するCode2Worlds-2をCode2Worldsの拡張として提示する。 元のデュアルストリーム生成パイプラインをそのままにして、2つのモジュールを追加しています。 凸分解によって衝突メッシュを割り当て、視覚言語モデルで物理的属性を推定し、軽量なサポートグラフを推論し、エンジンの接触、摩擦、動的制約をインスタンス化し、重力沈降パスを適用し、そのシーンを MuJoCo MJCF としてエクスポートする。 第二に、自動エージェントHelm-aコンパイル、シミュレート、批評、洗練されたループを実装したSimulator-in-the-Loop 4D Refinerは、視覚力学を実行可能な剛性と明瞭なダイナミクスに変換し、コードだけでなく物理的な設定を進化させ、純粋に視覚的な運動評論家を、浸透深度、衝突ペア、安定性、接触力、関節限界、ロボットの到達性を検査するシミュレータに置き換える。 さらに,5つのタスクテンプレートを持つ状態ベースベンチマークであるSimCode4Dを提案する。 SimCode4Dや、自然、屋内、工業、都市、サービスシーンでの実験では、Code2Worlds-2が物理的に可搬性があり、シミュレータ互換で、ロボットが操作可能なシーンを生み出している。

関連論文リスト

• Fysiverse-3D-SimReady Technical Report: Agentic Physical Simulation for Pragmatic 3D World Reconstruction [49.58319707131411]
  Fysiverse-3D-SimReadyは,シミュレーション可能なマルチオブジェクトシーンを1枚のRGB画像から再構成するための基礎的な改良フレームワークである。 この方法は、生成されたオブジェクトメッシュを共有重力に沿ったシーンに配置し、異なるレンダリングによってカメラ空間のポーズを洗練し、シーンレベルのサポートと接触を安定した物理的実行のために修正する。 実験により、Fysiverse-3D-SimReadyは、既存の単一画像再構成とシーン生成ベースラインに対する入力-ビューアライメント、接触可視性、物理的安定性を改善した。
  論文  参考訳（メタデータ） (2026-09-21T12:08:00Z)
• Agentic Real2Sim: Physics-based World Modeling with Vision-Language Agents [42.18672329354181]
  textitAgentic Real2Simは視覚言語エージェントを用いた物理世界モデリングのためのフレームワークである。 我々は,剛体オブジェクトの操作,変形性オブジェクトのインタラクション,ヒューマノイドモーションシーンにおけるエージェントReal2Simの評価を行った。 フレームワークのエージェント的決定は、フロンティアモデルのコストのごく一部で、オープンウェイトなVLMバックエンドによって駆動される。
  論文  参考訳（メタデータ） (2026-07-21T15:23:38Z)
• 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)
• 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)
• Code2Worlds: Empowering Coding LLMs for 4D World Generation [14.349376975089607]
  我々は、4D生成を言語間コード生成として定式化するフレームワークであるCode2Worldsを紹介した。 本稿では,階層的な環境オーケストレーションから拡張オブジェクトを生成する2重ストリームアーキテクチャを提案する。 我々は,ポストプロシースエージェントが動的にスクリプトする物理対応閉ループ機構と,反復的に洗練されたシミュレーションコードに対して自己回帰を行うVLM-Motion Criticとを結合して構築する。
  論文  参考訳（メタデータ） (2026-02-12T09:34:28Z)
• 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)
• 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)
• GeoSim: Photorealistic Image Simulation with Geometry-Aware Composition [81.24107630746508]
  GeoSimは、新しい都市の運転シーンを合成するジオメトリ認識の画像合成プロセスです。 まず、センサーデータからリアルな形状と外観の両方を備えた多様な3Dオブジェクトのバンクを構築します。 得られた合成画像は、フォトリアリズム、トラフィック認識、幾何学的一貫性があり、画像シミュレーションが複雑なユースケースにスケールできる。
  論文  参考訳（メタデータ） (2021-01-16T23:00:33Z)

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。