PhysWorld：从真实视频到可变形物体的物理感知世界模型
计算机视觉与模式识别
2025-10-27 v1 人工智能
机器人学
摘要
模拟物体动力学的交互式世界模型对机器人、VR 和 AR 至关重要.然而,从有限的真实世界视频数据中学习与 deformable objects 具有空间变化物理属性的物理一致动力学模型仍是一个重大挑战.为克服数据稀缺的挑战,本文提出了PhysWorld框架,该框架利用模拟器合成物理上合理且多样化的演示,以高效学习世界模型.具体而言,我们首先通过本构模型选择和物理属性的全局到局部优化,构建 MPM 模拟器内的物理一致的数字孪生体.随后,我们对物理属性施加部件感知扰动,并为数字孪生体生成各种运动模式,合成大量且多样化的演示.最后,使用这些演示,我们训练一个轻量级基于图神经网络的世界模型,该模型嵌入了物理属性.可用于进一步细化物理属性.实验表明,PhysWorld 能为各种可变形物体实现准确且快速的未来预测,并能良好地泛化到新交互.实验结果表明,PhysWorld 在性能上具有竞争力,同时使推断速度比最新方法（即PhysTwin）快47倍.
引用
@article{arxiv.2510.21447,
title = {PhysWorld: From Real Videos to World Models of Deformable Objects via Physics-Aware Demonstration Synthesis},
author = {Yu Yang and Zhilu Zhang and Xiang Zhang and Yihan Zeng and Hui Li and Wangmeng Zuo},
journal= {arXiv preprint arXiv:2510.21447},
year = {2025}
}
备注
17 pages, 5 figures