無限の可動性：プロシージャル生成による関節オブジェクトの高忠実度合成のスケーラビリティ

Infinite Mobility: Scalable High-Fidelity Synthesis of Articulated Objects via Procedural Generation

March 17, 2025

著者: Xinyu Lian, Zichao Yu, Ruiming Liang, Yitong Wang, Li Ray Luo, Kaixu Chen, Yuanzhen Zhou, Qihong Tang, Xudong Xu, Zhaoyang Lyu, Bo Dai, Jiangmiao Pang

cs.AI

要旨

大規模で高品質な関節付きオブジェクトは、エンボディードAIに関連する複数のタスクにおいて切実に必要とされています。既存の関節付きオブジェクト作成手法の多くは、データ駆動型またはシミュレーションベースであり、これらはトレーニングデータの規模と品質、あるいはシミュレーションの忠実度と多大な労力によって制限されています。本論文では、プロシージャル生成を通じて高忠実度の関節付きオブジェクトを合成する新しい手法「Infinite Mobility」を提案します。ユーザスタディと定量的評価により、本手法が現在の最先端手法を凌駕し、物理特性とメッシュ品質の両面において人間が注釈を付けたデータセットに匹敵する結果を生成できることが実証されました。さらに、本手法で生成された合成データが生成モデルのトレーニングデータとして使用可能であり、次のステップでのスケールアップを可能にすることが示されています。コードはhttps://github.com/Intern-Nexus/Infinite-Mobilityで公開されています。

English

Large-scale articulated objects with high quality are desperately needed for multiple tasks related to embodied AI. Most existing methods for creating articulated objects are either data-driven or simulation based, which are limited by the scale and quality of the training data or the fidelity and heavy labour of the simulation. In this paper, we propose Infinite Mobility, a novel method for synthesizing high-fidelity articulated objects through procedural generation. User study and quantitative evaluation demonstrate that our method can produce results that excel current state-of-the-art methods and are comparable to human-annotated datasets in both physics property and mesh quality. Furthermore, we show that our synthetic data can be used as training data for generative models, enabling next-step scaling up. Code is available at https://github.com/Intern-Nexus/Infinite-Mobility