南洋理工大学与上海人工智能实验室联合发布了开源框架PhysX-Anything，能够仅凭一张RGB图像输出包含几何、关节和物理参数的完整三维资产。它可以直接导入MuJoCo和Isaac Sim，用于机器人政策培训。
技术亮点
1. 粗细流水线：首先预测整体物理属性（质量、质心、摩擦系数），然后在组件层面细化几何形状和接头极限，避免因“视觉优先”引起的物理变形。数字化转型网www.szhzxw.cn
2. 新型压缩三维表示：将面 + 关节轴 + 物理属性编码为 8K 维潜在矢量。推理时，解码一次，速度比SOTA方法提升2.3倍。
3. 显式物理监督：向数据集添加12万组真实物理测量。训练时引入质心、惯性和碰撞盒损失，以确保模拟的一致性。
测试结果
在几何倒角和物理误差指标上，PhysX-Anything分别将误差降低了18%和27%。绝对尺度误差小于2厘米，关节运动范围误差小于5°，显著优于近期方法如ObjPhy和PhySG。在现实场景（宜家家具、厨房工具）中，导入生成素材到Isaac Sim后，机器人的抓取成功率提高了12%，训练步骤数量减少了30%。
开源与影响
该项目现已在GitHub上发布，权重、数据和评估基准也公开开放。团队计划于2026年第一季度发布第二版，支持“视频输入”以预测可移动组件的时间轨迹，支持动态场景策略学习。
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然
