日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

3Dアセット生成arXiv:2603.23386

SIMART: MLLMによるモノリシックメッシュのシミュレーション対応関節アセットへの分解

SIMART: Decomposing Monolithic Meshes into Sim-ready Articulated Assets via MLLM

シェア:XThreadsFacebookLINEはてブBluesky

静的メッシュを、物理シミュレーションに使える関節付き3Dアセットへ変換する統一MLLMフレームワークを提案。スパース3D VQ-VAEでトークン数を削減し、部品分解と関節予測を同時に行う。

詳しい要約

1. どんなもの?

- 高品質な articulated 3D アセットを生成する統合 MLLM フレームワーク SIMART を提案。 - 静的なメッシュを sim-ready な articulated アセットに分解し、part-level 分解と kinematic 予測を同時に行う。 - Sparse 3D VQ-VAE を導入し、dense voxel トークンよりトークン数を 70% 削減。 - PartNet-Mobility と in-the-wild AIGC データセットで SOTA を達成し、物理ベースのロボットシミュレーションを可能にする。

2. 先行研究と比べてどこがすごい?

- 従来の articulated オブジェクト生成は多段パイプラインでモジュール間の誤差が蓄積する問題があった。 - 統合 MLLM による単一段階のアプローチは、静的アセット理解と sim-ready アセット生成を同時に実現。 - dense voxel ベースの 3D トークン化はトークン列が長くメモリオーバーヘッドが大きいため、複雑な articulated オブジェクトへのスケーラビリティが制限されていた。 - SIMART は Sparse 3D VQ-VAE によりトークン数を 70% 削減し、高忠実度のマルチパートアセンブリを可能にした。

3. 技術・手法の肝は?

- 統合 MLLM フレームワークにより、part-level 分解と kinematic 予測を joint に実行。 - Sparse 3D VQ-VAE を導入し、3D トークン化を効率化。 - これによりトークン数が dense voxel トークン比で 70% 削減され、複雑な articulated オブジェクトへのスケーラビリティが向上。 - 単一段階で静的アセット理解と sim-ready アセット生成を同時に実現。

4. どうやって有効だと検証した?

- PartNet-Mobility データセットと in-the-wild AIGC データセットで評価。 - これらのデータセットで state-of-the-art 性能を達成。 - 物理ベースのロボットシミュレーションを可能にすることを示した。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- PartNet-Mobility データセット - in-the-wild AIGC データセット - Sparse 3D VQ-VAE - 統合 MLLM による 3D 生成手法

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Chuanrui Zhang, Minghan Qin, Yuang Wang, Baifeng Xie, Hang Li, Ziwei Wang

分類: cs.CV, cs.GR, cs.RO

原文アブストラクト

High-quality articulated 3D assets are indispensable for embodied AI and physical simulation, yet 3D generation still focuses on static meshes, leaving a gap in "sim-ready" interactive objects. Most recent articulated object creation methods rely on multi-stage pipelines that accumulate errors across decoupled modules. Alternatively, unified MLLMs offer a single-stage path to joint static asset understanding and sim-ready asset generation. However dense voxel-based 3D tokenization yields long 3D token sequences and high memory overhead, limiting scalability to complex articulated objects. To address this, we propose SIMART, a unified MLLM framework that jointly performs part-level decomposition and kinematic prediction. By introducing a Sparse 3D VQ-VAE, SIMART reduces token counts by 70% vs. dense voxel tokens, enabling high-fidelity multi-part assemblies. SIMART achieves state-of-the-art performance on PartNet-Mobility and in-the-wild AIGC datasets, and enables physics-based robotic simulation.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI