UniPhysGen: Unified Physical Grounding for Simulation-Ready 3D Assets

📄 arXiv: 2607.13586v1 📥 PDF

作者: Xian Li, Rong Wei, Lujie Yang, Haolin Huang, Junyuan Fang, Siliang Tang, Jun Xiao, Rui Tang, Juncheng Li

分类: cs.CV

发布日期: 2026-07-15

备注: 39 pages, 12 figures

🔗 代码/项目: GITHUB

💡 一句话要点

提出UniPhysGen以解决3D资产物理语义统一问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 物理基础3D资产 统一物理语义 机器人仿真 关节语义 内在物理属性 数据集构建 模型推理

📋 核心要点

  1. 现有3D资产缺乏统一的物理语义，导致在真实交互中表现不佳。
  2. 提出UniPhys框架，自动将原始3D资产转化为具备统一物理语义的仿真准备资产。
  3. 实验结果显示，UniPhysGen在关节基础和物理属性估计任务上达到了最先进的性能。

📝 摘要（中文）

物理基础的3D资产在具身AI和机器人仿真中愈发重要。然而，现有的3D资产通常缺乏统一的物理语义，包括关节语义和内在物理属性，限制了其在真实交互中的应用。本文提出了UniPhys，一个可扩展的框架，能够自动将原始3D资产转化为具备统一物理语义的仿真准备资产。基于UniPhys，我们构建了UniPhys-40K，一个大规模的物理基础数据集，并推出了UniPhys-Bench，一个经过仔细验证的统一物理基础评估基准。我们进一步介绍了UniPhysGen，一个统一的物理基础模型，能够共同推理关节语义和内在物理属性。实验结果表明，该模型在关节基础和内在物理属性估计任务上表现出色，生成的资产可直接用于机器人仿真环境中的真实物理交互。

🔬 方法详解

问题定义：本文旨在解决现有3D资产缺乏统一物理语义的问题，现有方法往往独立处理关节语义和物理属性，限制了其在多样化3D资产中的鲁棒性。

核心思路：UniPhysGen通过联合推理关节语义和内在物理属性，提供了一种新的方法来处理多样化的3D资产，旨在减少几何偏差的影响。

技术框架：该框架包括数据预处理、关节语义提取和物理属性估计三个主要模块，确保了从原始数据到仿真准备资产的高效转化。

关键创新：UniPhysGen的主要创新在于其几何鲁棒的关节基础方法，能够有效减轻在异构部件分解下的几何快捷偏差，这在现有方法中尚未得到解决。

关键设计：在设计中，采用了特定的损失函数来平衡关节语义和物理属性的估计，同时优化了网络结构以提高模型的整体性能。通过这些设计，UniPhysGen能够在多样化的3D资产中实现更高的准确性和鲁棒性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，UniPhysGen在关节基础和内在物理属性估计任务上达到了最先进的性能，相较于基线方法，性能提升幅度超过了20%。这些成果展示了其在真实物理交互中的应用潜力。

🎯 应用场景

该研究的潜在应用领域包括机器人仿真、虚拟现实和增强现实等，能够为具身AI提供更真实的交互体验。通过提供统一的物理语义，UniPhysGen可以显著提升3D资产在多种应用场景中的适用性和可靠性，推动相关技术的发展。

📄 摘要（原文）

Physically grounded 3D assets are increasingly important for embodied AI and robotic simulation. However, most existing 3D assets lack unified physical semantics, including articulation semantics and intrinsic physical properties, required for realistic interaction. Current approaches either treat these semantics independently or rely on canonicalized object structures, limiting robustness across heterogeneous 3D assets. We present UniPhys, a scalable framework for automatically transforming raw 3D assets into simulation-ready assets with unified physical semantics. Based on UniPhys, we construct UniPhys-40K, a large-scale physically grounded dataset, together with UniPhys-Bench, a carefully verified benchmark for unified physical grounding evaluation. We further introduce UniPhysGen, a unified physical grounding model that jointly reasons over articulation semantics and intrinsic physical properties. UniPhysGen incorporates geometry-robust articulation grounding to mitigate geometric shortcut bias under heterogeneous part decompositions. Extensive experiments demonstrate state-of-the-art performance across articulation grounding and intrinsic physical property estimation tasks, while the resulting assets can be directly deployed in robotic simulation environments for realistic physical interaction. Our code and dataset will be available at https://github.com/breezexian/UniPhysGen.