PhysLDM | 物理仿真的Latent Diffusion范式,革命传统物理仿真
2026.11.03 · 收录日 2026.11.03 · 产品 · 论文 · 论文预印本
南理工与上海AI Lab提出PhysLDM,用隐空间扩散一次性生成高保真形变轨迹。
南洋理工大学MMLab与上海人工智能实验室提出PhysLDM,首个面向体网格可变形动力学的隐空间扩散范式。它用时空VAE压缩整段轨迹,重建误差仅2.48毫米,可零样本泛化到未见物体,并端到端可微。
- 时空VAE将整段轨迹压缩为固定数量token,压缩率最高78倍,平均重建误差2.48毫米。
- 在Objaverse上训练后零样本泛化到GSO、Toys4K,高分辨率网格误差约5毫米。
- 扩散模型一次性生成整段轨迹,物理一致性优于回归和自回归方法,后者误差接近其三倍。
- 端到端可微且支持高阶求导,约40秒反推材料刚度,现有可微仿真器需二十多分钟或失败。
为什么值得看
物理仿真首次走上生成式AI道路,毫米级精度且零样本泛化。
适合谁关注
物理仿真、图形学、机器人研究者与从业者。
