PhysForge: Geração de Ativos 3D Fundamentados em Física para Mundos Virtuais Interativos

Resumo

A síntese de recursos 3D fundamentados na física é um gargalo crítico para mundos virtuais interativos e para a IA incorporada. Os métodos existentes concentram-se predominantemente na geometria estática, negligenciando as propriedades funcionais essenciais para a interação. Propomos que a geração de recursos interativos deve estar enraizada na lógica funcional e na física hierárquica. Para colmatar esta lacuna, introduzimos o PhysForge, uma arquitetura desacoplada de dois estágios suportada pelo PhysDB, um conjunto de dados em larga escala com 150.000 recursos e anotações físicas de quatro níveis. Primeiro, um Modelo de Linguagem Visual (VLM) atua como um "arquiteto físico" para planear um "Projeto Físico Hierárquico" que define restrições de material, funcionais e cinemáticas. Em segundo lugar, um modelo de difusão fundamentado na física concretiza este projeto, sintetizando uma geometria de alta fidelidade juntamente com parâmetros cinemáticos precisos através de um novo mecanismo de Injeção de KineVoxel (KVI). Experiências demonstram que o PhysForge produz recursos funcionalmente plausíveis e prontos para simulação, fornecendo um motor de dados robusto para conteúdo 3D interativo e agentes incorporados.

English

Synthesizing physics-grounded 3D assets is a critical bottleneck for interactive virtual worlds and embodied AI. Existing methods predominantly focus on static geometry, overlooking the functional properties essential for interaction. We propose that interactive asset generation must be rooted in functional logic and hierarchical physics. To bridge this gap, we introduce PhysForge, a decoupled two-stage framework supported by PhysDB, a large-scale dataset of 150,000 assets with four-tier physical annotations. First, a VLM acts as a "physical architect" to plan a "Hierarchical Physical Blueprint" defining material, functional, and kinematic constraints. Second, a physics-grounded diffusion model realizes this blueprint by synthesizing high-fidelity geometry alongside precise kinematic parameters via a novel KineVoxel Injection (KVI) mechanism. Experiments demonstrate that PhysForge produces functionally plausible, simulation-ready assets, providing a robust data engine for interactive 3D content and embodied agents.