南洋理工大学联合上海人工智能实验室推出全新开源框架 PhysX-Anything，仅需输入一张 RGB 图像，即可生成包含精确几何结构、关节信息及物理参数的完整 3D 资产，支持直接导入 MuJoCo、Isaac Sim 等主流仿真平台，用于机器人策略训练。
核心创新
- 分阶段精细化流程：采用“由粗到细”的生成策略，首先预测物体整体物理特性（如质量、质心、摩擦系数），再逐部件优化几何形态与关节运动范围，有效避免传统方法因“视觉优先”带来的物理不一致问题。
- 高效紧凑的3D表示方法：提出一种新型压缩表达方式，将面片结构、关节轴方向及物理属性统一编码至一个8K维隐空间向量中，推理时可一次性解码输出完整物理模型，生成速度较当前最优方法提升2.3倍。
- 显式物理约束监督机制：构建包含12万组真实物理测量数据的训练集，在模型训练过程中引入质心位置、惯性矩和碰撞体相关的损失函数，显著增强生成资产在仿真环境中的物理可信度。
实验表现
在标准测试集上，PhysX-Anything 在几何精度（Geometry-Chamfer）和物理误差（Physics-Error）两项关键指标上分别实现了18% 和27% 的误差降低；同时，在绝对尺寸预测上的偏差控制也优于现有方法。
源码地址：点击下载
