Cube: Een Roblox-perspectief op 3D-intelligentie

Cube: A Roblox View of 3D Intelligence

March 19, 2025

Auteurs: Foundation AI Team, Kiran Bhat, Nishchaie Khanna, Karun Channa, Tinghui Zhou, Yiheng Zhu, Xiaoxia Sun, Charles Shang, Anirudh Sudarshan, Maurice Chu, Daiqing Li, Kangle Deng, Jean-Philippe Fauconnier, Tijmen Verhulsdonck, Maneesh Agrawala, Kayvon Fatahalian, Alexander Weiss, Christian Reiser, Ravi Kiran Chirravuri, Ravali Kandur, Alejandro Pelaez, Akash Garg, Michael Palleschi, Jessica Wang, Skylar Litz, Leon Liu, Anying Li, David Harmon, Derek Liu, Liangjun Feng, Denis Goupil, Lukas Kuczynski, Jihyun Yoon, Naveen Marri, Peiye Zhuang, Yinan Zhang, Brian Yin, Haomiao Jiang, Marcel van Workum, Thomas Lane, Bryce Erickson, Salil Pathare, Kyle Price, Anupam Singh, David Baszucki

cs.AI

Samenvatting

Foundation models die getraind zijn op enorme hoeveelheden data hebben opmerkelijke redeneer- en generatiecapaciteiten getoond op het gebied van tekst, afbeeldingen, audio en video. Ons doel bij Roblox is om zo'n foundation model te bouwen voor 3D-intelligentie, een model dat ontwikkelaars kan ondersteunen bij het produceren van alle aspecten van een Roblox-ervaring, van het genereren van 3D-objecten en scènes tot het riggen van karakters voor animatie en het produceren van programmatische scripts die objectgedrag beschrijven. We bespreken drie belangrijke ontwerpvereisten voor zo'n 3D-foundation model en presenteren vervolgens onze eerste stap naar het bouwen van zo'n model. We verwachten dat 3D-geometrische vormen een kerngegevenstype zullen zijn en beschrijven onze oplossing voor een 3D-vorm-tokenizer. We laten zien hoe ons tokenisatieschema kan worden gebruikt in toepassingen voor tekst-naar-vorm-generatie, vorm-naar-tekst-generatie en tekst-naar-scène-generatie. We demonstreren hoe deze toepassingen kunnen samenwerken met bestaande grote taalmodellen (LLM's) om scèneanalyse en redenering uit te voeren. We sluiten af met een discussie die ons pad schetst naar het bouwen van een volledig geïntegreerd foundation model voor 3D-intelligentie.

English

Foundation models trained on vast amounts of data have demonstrated remarkable reasoning and generation capabilities in the domains of text, images, audio and video. Our goal at Roblox is to build such a foundation model for 3D intelligence, a model that can support developers in producing all aspects of a Roblox experience, from generating 3D objects and scenes to rigging characters for animation to producing programmatic scripts describing object behaviors. We discuss three key design requirements for such a 3D foundation model and then present our first step towards building such a model. We expect that 3D geometric shapes will be a core data type and describe our solution for 3D shape tokenizer. We show how our tokenization scheme can be used in applications for text-to-shape generation, shape-to-text generation and text-to-scene generation. We demonstrate how these applications can collaborate with existing large language models (LLMs) to perform scene analysis and reasoning. We conclude with a discussion outlining our path to building a fully unified foundation model for 3D intelligence.