Articraft 用 agentic pipeline 解决了 3D 资产生成效率低下的痛点，做机器人仿真、物理 AI 或 3D 内容生成的团队可以直接用开源代码和数据集，省去数周手工建模时间。
剑桥大学助理教授 Elliott Wu 团队发布 Articraft，一个 agentic coding 系统，可让 AI agent 自动编写代码、执行并接收物理验证反馈，迭代生成带零件、关节和真实运动的可交互 3D 资产。该系统将原本需要数天甚至数周的高质量 articulated asset 制作流程缩短至全自动运行，直接用于机器人仿真和物理 AI 场景。团队还开源了 Articraft-10K 数据集，包含超 1 万个跨 250 类别的 articulated 3D 物体，全部可交互且仿真就绪。这一工作大幅缓解了物理 AI 和机器人仿真的“数据饥渴”问题，降低了大规模训练和内容生成的门槛。项目代码和数据集已在 GitHub 开源。
兄弟们，3D资产生成彻底要起飞了。 Cambridge大学助理教授Elliott Wu（前St…
兄弟们，3D资产生成彻底要起飞了。
Cambridge大学助理教授Elliott Wu（前Stanford、Oxford背景）团队刚放出了Articraft——一个真正的agentic coding系统。
它不是简单生成静态3D模型，就可以让AI agent自己写代码、自己执行、自己接收物理验证反馈，不断迭代，最终输出带零件、关节、真实运动的可交互3D资产，直接就能扔进机器人仿真和物理AI场景里用。
以前做一套高质量articulated asset要花几天甚至几周，现在agent全自动跑通，整个过程高效到离谱。
他们顺便还开源了Articraft-10K数据集：超过1万个跨250个类别的articulated 3D物体，全部可交互、仿真就绪，彻底把大规模机器人训练和物理世界AI的资产门槛拉到了新低。
物理AI和机器人仿真的“数据饥渴”问题，被这个agentic pipeline直接干掉了一大半。
项目页面在这里：https://t.co/R2d4IcwebW 完整代码和数据集也在GitHub开源。
如果你在做机器人、仿真、物理AI或者3D内容生成，这波开源值得立刻去试。
PS： 还未实测，待后续测评！