本研究提出了一种概率建模方法，用于在机器人操纵过程中实时建立三维物体模型，可应用于未知物体的操纵任务，利用物理引擎进行验证和推断，显著提高了模型准确性。

Mar, 2019

本文介绍了如何使用扩散模型和面向对象的变压器构建物理有效的结构，以便在多步骤的三维规划任务中创建复杂的配置。实验结果表明，该方法相对于现有的多模态变压器模型，改进了16％的成功率，同时扩展了一种多任务模型来产生更广泛的不同构型。

Nov, 2022

Phy3DGen是一种精确的、驱动物理的文本生成3D方法，通过分析生成的3D形状的固体力学，揭示了现有文本生成3D方法生成的3D形状在真实世界应用中不符合物理定律的问题，并利用3D扩散模型和一个数据驱动的可微分物理层来优化3D形状先验，同时实现几何的高效优化和学习3D形状的精确物理信息，实验结果表明我们的方法能够兼顾几何的合理性和精确的物理感知，进一步连接3D虚拟建模和精确的物理世界。

Mar, 2024

通过与物理互动功能的先进集成，PhyScene 可有效生成具有可互动性的物理场景，与现有的场景合成方法相比，明显优势明显，有望在促进智能体在互动环境中获得丰富技能方面发挥巨大潜力。

Apr, 2024

生成 AI 工具在 3D 建模中变得更加普遍，使用户能够通过文本或图像进行模型操作或创建，从而更轻松地快速定制和迭代 3D 设计，探索新的创意。然而，当创建用于制造的 3D 模型时，设计师需要在美学品质和结构约束之间进行权衡。本研究提出了对生成 AI 工具进行新的增强以创建具有可行性的 3D 模型，并倡导开发同时考虑美学外观和物理属性作为约束的工具。该探索旨在缩小数字创意和现实世界适用性之间的差距，将生成 AI 的创造潜力扩展到有形领域。

Apr, 2024

通过基于物理原理的方法，我们提出了PhysDreamer，它能够使静态的3D对象能够以虚拟实境中真实的方式动态地响应交互刺激，实现了更加引人入胜和逼真的虚拟体验。

Apr, 2024

本论文提出了一种名为可组合的基于部件的操纵（CPM）的新方法，通过利用物体部件分解和部件间对应关系，以提高机器人操纵技能的学习和概括能力。通过考虑物体部件之间的功能对应关系，我们将功能性动作（如倾倒和约束放置）概念化为不同对应约束的组合。CPM包括一系列可组合扩散模型，其中每个模型捕捉了不同物体间的对应关系。这些扩散模型可以根据特定的物体部件生成操作技能的参数。利用基于部件的对应关系以及将任务分解为不同约束能够实现对新对象和对象类别的强大概括。我们在模拟和真实环境下验证了我们的方法，并展示了它在实现稳健且广义操纵能力方面的有效性。

May, 2024

通过使用Atlas3D方法，可以生成满足用户设计意图、在交互游戏、具身化AI和机器人领域中可靠互动所需的、在物理上稳定的自支撑3D模型。

May, 2024

通过扩展基于自回归的人体感知3D场景生成方法，本研究探索了扩散模型在同时考虑多个输入人体和底图的情况下生成逼真三维场景的潜力，并引入了人物物体碰撞避免和房间边界约束等空间碰撞导向机制来避免与人体动作冲突的场景生成。大量实验结果表明，与现有最先进方法相比，我们的框架可以生成更自然、更逼真的三维场景，具有精确的人体场景交互，并显著减少人物物体碰撞。

Jun, 2024

本研究解决了可交互物体在建模过程中物理约束带来的挑战，提出了一种基于扩散的部件生成模型，通过几何条件和稳定性损失引导采样过程，实现物理上合理的部件生成。实验结果表明，该模型在形状和物理性度量上均优于现有基线，显示出在3D打印和机器人操作中的强大应用潜力。

Aug, 2024