URDF
PulseAugur coverage of URDF — every cluster mentioning URDF across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
ArtiMo框架使用LLM和VLM进行文本引导的3D网格动画
研究人员推出ArtiMo，一个基于文本描述的关节3D网格动画新框架。该驱动框架利用大型语言模型和视觉语言模型生成运动，将URDF的运动学约束与代理的规划能力相结合。ArtiMo以零样本方式运行，无需模型微调，并包含用于错误校正的视觉自我改进机制。该框架还引入了一个新的关节对象动画基准数据集，并在复杂、因果驱动运动方面展示了优于现有方法的性能。
-
新的机器人因子世界模型改进了动作条件视频预测
研究人员开发了一种名为机器人因子世界模型的新方法，以改进机器人技术中动作条件视频预测。该方法将机器人的运动实现和渲染过程与核心世界模型分开。通过首先将动作命令转换为机器人轨迹，然后使用机器人的URDF（统一机器人描述格式）渲染这些轨迹，模型可以专注于学习物体如何响应机器人交互。这种方法旨在提高不同机器人实体和视角的泛化能力，这在涉及机器人操作视频生成的实验中得到了证明。
-
KinemaForge 管道从传感器数据生成精确的数字孪生
研究人员开发了 KinemaForge，这是一个新管道，用于从 RGB-D 传感器数据创建用于仿真的活动对象的数字孪生。该系统联合推断部件几何、关节拓扑和运动学参数，解决了先前将这些方面分开处理的局限性。KinemaForge 还包含一个能量一致的验证器，以确保重建的模型符合物理定律，与现有方法相比，可减少仿真漂移并提高操作成功率。
-
LLM自动从URDF模型生成机器人本体
研究人员开发了一种初步方法，通过将URDF模型转换为填充好的本体来自动生成机器人的语义抽象。该方法利用大型语言模型（LLM）从URDF文件标识符中推断有意义的语义，这些标识符通常缺乏明确的含义。该流程使用现有本体中的概念来提示LLM，以确保语义对齐，并采用多数投票和验证等技术来提高可靠性。对各种机器人描述的初步评估表明，该方法可以有效地弥合低级机器人描述与人机交互所需的结构化知识表示之间的差距。
-
NTU团队从单张图像生成可用于仿真的3D资产
新加坡南洋理工大学（NTU）的研究人员开发了 PhysX-Anything 系统，该系统能够从单张图像生成具有物理模拟能力的3D资产。这项进展超越了仅仅创建视觉上逼真的3D模型，而是能够生成具有准确结构组件、关节关系、材料属性和功能行为的资产。该系统旨在通过自动化从单个输入图像推断物理属性，来显著降低机器人训练、AR/VR应用和工业仿真创建3D资产的成本和精力。
-
Text-to-CAD 工具通过代码生成 3D 模型，支持多种导出选项
一个名为 Text-to-CAD 的新开源项目使用户能够利用 Codex 和 Claude Code 等编码代理生成 CAD 模型。该工具支持以 STEP、STL 和 URDF 等多种格式导出模型，并允许在没有后端的情况下本地执行。它还包括一个用于检查生成几何体的 CAD Explorer 和一个用于 ROS 2/MoveIt 集成的机器人运动技能。
-
FunRec 从第一人称视频中重建交互式三维场景
研究人员开发了 FunRec，一种从第一人称 RGB-D 视频创建室内环境交互式三维数字孪生（digital twins）的新颖方法。该方法处理不受约束的人类交互序列，自动识别关节部件、估计其运动，并重建静态和动态几何。与现有方法相比，FunRec 在部件分割和姿态准确性方面取得了显著改进，能够实现诸如模拟就绪网格导出和机器人-场景交互等应用。