3D Generation Physical Reasoning Chain of Thought Embodied AI
摘要

针对从单图生成仿真就绪3D资产的任务,现有方法通常将视觉-语言模型视为黑盒解码器,导致推理过程隐式且缺乏监督。本文提出PhysX-CoT,将资产生成重构为显式的结构化物理推理过程。该方法生成包含分解、定位、关系及几何特征的有序轨迹,并分别进行监督与条件控制。通过将几何因子化解耦,并结合对齐CoT的GRPO优化策略,显著提升了生成的几何准确性、比例协调性及物理一致性。实验表明,该方法在多项指标上优于基线,且在Unreal Engine 5中表现出高有效性的解析、碰撞和 articulation 能力。

AI 推荐理由

论文核心提出结构化物理推理(Structured Physical Reasoning),通过显式的思维链暴露中间状态以增强生成质量,直接对应推理能力研究。

研究机构
中国科学院航空工业信息研究院目标认知与应用技术重点实验室 上海交通大学人工智能学院
论文信息
作者 Jie Huang, Xiaohe Li, Jiahao Li, Fangli Mou, Chen Qian et al.
发布日期 2026-08-08
arXiv ID 2608.08053
相关性评分 9/10 (高度相关)