AITOP

物理仿真

共 5 条相关 AI 资讯
7月24日
10:33
10:33官方账号arXiv cs.AI@Hongxin Zhang, Chunru Lin, Junyan Li, Zhou Xian, Tsun-Hsuan Wang, Chuang Gan
GS-Agent是一个端到端多智能体框架，集成了物理引擎，能从自然语言描述生成动态且物理真实的4D世界。该框架将任务分解为实体管理（3D资产、材质、放置、运动控制）和渲染配置（相机、灯光），多个智能体通过代码与物理引擎交互并迭代构建。实验结果表明，GS-Agent能有效转换自然语言，生成包含液体、可变形物体和刚体丰富交互的4D世界，同时实现电影级相机和灯光控制。项目页面已公开。
AI模型GS-Agent4D世界生成模拟
推荐理由：GS-Agent把多个AI智能体和物理引擎连起来，你只要说句话就能生成带物理模拟的4D场景，液体、物体碰撞都能搞定，做内容创作或模拟都省力。
原文
7月17日
12:25
12:25官方账号arXiv cs.LG@Ahmet Demirkaya, Georgios Stratis, Tales Imbiriba, Zachary D. Danziger, Deniz Erdogmus
本文提出混合神经-物理框架，将已知ODE组分保留、未知组分用神经网络表示。方法分两阶段：先用RTS平滑器从部分观测推断潜在状态，再用平滑轨迹通过反向传播学习神经网络参数。在包含线性、非线性和刚性动力学的基准系统上评估，该方法能从不完整测量中学习缺失ODE组件，同时保持可解释性，并改善潜在状态重建和长时预测。
论文RTS smoother神经微分方程混合建模
推荐理由：这篇论文用RTS平滑器引导神经网络学缺失的微分方程，部分观测下就能恢复动力学，还能保持模型解释性。
原文
6月17日
11:41
11:41官方账号arXiv cs.LG@Rishit Dagli, Donglai Xiang, Vismay Modi, Xuning Yang, Gavriel State, David I. W. Levin, Maria Shugrina
AdaVoMP提出预测3D物体杨氏模量（E）、泊松比（ν）和密度（ρ）的密集空间变化分布。它使用稀疏自适应体素结构SAV，通过稀疏Transformer编码器-解码器自回归生成每输入形状的独特SAV。相比最准确的前期方法VoMP，分辨率提高16^3倍。实验表明，AdaVoMP在测试时计算量更少的情况下估计更准确的体积属性。可将高分辨率复杂3D物体转换为可仿真的资产，实现逼真的可变形模拟。
论文AdaVoMPVoMPSAV
推荐理由：AdaVoMP能预测3D物体的机械属性，分辨率比最好方法高16^3倍，还省计算，适合物理仿真。
原文
6月10日
10:57
10:57官方账号arXiv cs.LG@Zesheng Liu, Maryam Rahnemoonfar
精选
COGENT 是一种结合图神经网络和神经常微分方程（Neural ODE）的连续时间仿真器，专为不规则地理空间网格上的长期物理预测设计。它通过图编码器处理历史系统状态和外部强迫，生成上下文向量来初始化潜在神经ODE，从而在连续时间域中预测未来状态。该模型支持任意时间点的查询，无需逐步反馈预测状态，显著提升了长期预测的稳定性。在冰盖模拟任务中，COGENT 优于传统自回归图模型，展示了其在需要稳定长时预测场景中的潜力。
论文图神经网络神经常微分方程长期预测
推荐理由：对于从事地球科学模拟或物理仿真的研究者，COGENT 解决了不规则网格上长期预测不稳定的痛点，且支持任意时间点查询，值得在气候建模或工程仿真中尝试。
原文
5月28日
23:04