ロボットが即座に触れる3Dモデルを生成　物理特性を備える「PhysForge」登場

現在の3D生成AIは、見た目が美しい家具や乗り物を数秒で作れるようになりました。しかし、それらをゲームエンジンやロボットのシミュレータに持ち込んだ途端、動かない「ただのプラスチックの塊」であることに直面します。

関節を動かしたり引き出しを開けたりするには、人間が手作業でパーツを切り分け、骨組みを設定し、質量を割り当てる必要がありました。この面倒な下準備を解消しようとする試みが登場しています。

研究チームは物理特性を備えた3D資産を生成する新フレームワーク「PhysForge」を発表しました。見た目を作るだけでなく、物理的に正しく動作するインタラクティブなオブジェクトを出力できます。

物理設計図を描いてから形を作る二段階構成

PhysForgeは、外見の造形と物理法則の付与をひとつのモデルに丸投げせず、明確な二段階アプローチを採用しています。

第1段階では、視覚言語モデルが物理アーキテクトとして機能します。入力データを分析し、構成パーツ、境界ボックス、関節の種類、素材、質量などを定義した階層的な物理設計図を組み立てます。

第2段階では、物理拡散モデルがこの設計図を忠実に立体化します。KineVoxel Injectionと呼ばれる仕組みを使い、運動学的な制約を保ったまま高品質な3D形状とテクスチャを同時に生成します。

開発にあたり、研究チームは4層の物理アノテーションを施した15万件のデータセット「PhysDB」を構築しました。

完成した3D資産には実際の関節や可動域、接触ルールが組み込まれており、ロボットアームが取っ手を認識して引くといった動作を即座にシミュレーション環境で実行できます。

なぜ重要か

私たちは、物理的な常識推論と幾何形状の生成を切り離した設計が非常に合理的だと考えています。

単一の生成モデルにすべてを任せると、見た目は綺麗でも物理エンジンに入れた瞬間に突き抜けたり崩壊したりする問題が起きがちでした。言語モデルに現実世界の構造を計画させ、拡散モデルに形作らせることで破綻を防いでいます。

特にロボットや具身AIの分野において、最大のボトルネックは「動かして学べるデータ環境」の不足でした。PhysForgeが実用化されれば、多様な道具を扱うための合成訓練データを大量かつ低コストに量産できるようになります。

もちろん、15万点のデータで現実のあらゆる複雑な機構や柔軟素材に対応できるかは今後の検証課題です。それでも、3D生成の価値を静止画的な鑑賞用から実用的な動作モデルへと引き上げた意義は小さくありません。