研究人员开发了 NeoWorld-Pro,一个使用多模态大语言模型 (MLLMs) 将单个 RGB 图像转换为交互式 3D 环境的可执行程序的框架。该方法将场景重建重新表述为过程式编程,能够指定对象的几何形状、关节和物理属性。一个物理闭环机制通过在物理引擎中验证程序的执行来完善这些程序,确保物理上合理的交互和准确的空间关系。在稳定堆叠和精细操作等任务中,NeoWorld-Pro 的性能优于现有方法。 AI
影响 通过将 3D 场景生成与物理属性相结合,为具身 AI 研究实现更真实、更具交互性的模拟。
排序理由 该集群描述了一篇关于使用 MLLMs 和物理模拟进行场景重建的新颖框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →