摘要
现有系统将自然语言转化为 3D 场景多局限于静态输出，而动态 4D 场景生成仍具挑战。本文提出 SimWorlds，一个多智能体框架，通过特定于 Blender 的过程知识及“规划 - 编码 - 审查”工作流，协同空间布局、物理求解与时序安排，从文本生成可编辑的动态 4D 场景。该系统引入分层场景协议与运行时状态检查工具，以解决运动验证难题。此外，文章提出了 4DBuildBench 基准，实验表明该方法在视觉保真度与物理一致性上优于现有基线。
AI 推荐理由
论文提出多智能体规划框架，核心在于任务分解、时序协调及分阶段构建动态场景。
研究机构
Carnegie Mellon University
Harvard University
University of California, Merced
论文信息