NEXUS框架模拟物理一致的富接触三维物体动力学

研究人员推出了一种新颖的神经能量场框架NEXUS，旨在模拟物理一致的富接触三维物体动力学。与以往经常模拟孤立物理效应的方法不同，NEXUS通过将物体表示为结构图并构建动态接触图来组合保守和非保守动力学。该框架受Hamiltonian Neural Networks启发，通过标量能量和耗散项来构建运动，从而可以加性组合重力、弹性变形等保守效应，并学习建模阻尼、冲击引起的能量损失等非保守效应。NEXUS在轨迹基准测试中展示了更长的预测精度，并有望通过增强物理合理性和视觉质量来指导富接触视频生成。 AI

影响 引入了一个新的物理一致三维物体动力学框架，有望提高物理基础视频生成中的真实感。

排序理由 该集群包含一篇研究论文，详细介绍了模拟三维物体动力学的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hamiltonian Neural Networks
• Hugging Face
• Litmaps
• NEXUS
• ScienceCast
• scite Smart Citations

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →