物理特性を備えた3D生成フレームワーク「PhysX-Omni」発表

生成AIを使えば精巧な3Dモデルを数秒で作れるようになりましたが、それらを物理エンジンに放り込むと途端に破綻します。重量配分や摩擦係数が存在せず、関節も動かない中空のオブジェクトでは、シミュレーションが成り立ちません。

研究チームはシミュレーション対応の物理3D生成フレームワーク「PhysX-Omni」を発表しました。外見だけでなく、物理法則に即した動作が可能な3Dアセットの生成を目指しています。

外見の再現から物理特性の統合へ

従来の3D生成手法は、物理特性を完全に無視しているか、剛体、変形可能物体、関節構造のいずれか単一カテゴリに限定されているものが大半でした。

PhysX-Omni はこれらを統合し、多様な資産タイプを横断して扱えるように設計されています。技術的な要として、視覚言語モデル向けに効率的なジオメトリ表現を新開発しました。高解像度な3D構造を圧縮せずに直接エンコードすることで、生成品質を大きく引き上げています。

専用データセットと6つの評価軸

フレームワークと併せて、基盤となるデータセットと評価系も公開されました。

データセット「PhysXVerse」は、屋内外の多様なカテゴリを網羅した初の汎用シミュレーション対応3Dデータセットです。

さらに、評価基准「PhysX-Bench」を提案しました。形状、絶対スケール、材質、アフォーダンス、運動学、機能説明という6つの重要指標から、物理世界の理解力と生成力を厳格に測定します。実験では、シミュレーション対応シーンの生成やロボットのポリシー学習においても有効性が確認されました。

なぜ重要か

具身AIやロボット工学において、シミュレーション環境での訓練は不可欠です。実機での試行錯誤はコストもリスクも高いため、デジタル空間で何百万回もの試行をこなす必要があります。

しかし、手作業で物理属性付きの3Dモデルを作る作業は膨大な時間と労力を要していました。PhysX-Omni のように、サイズ感や材質、関節の制約まで理解したアセットをAIが自動生成できれば、ロボット学習のボトルネックが一気に解消される可能性があります。

表層的な美しさの競争から、物理的実用性の確保へ舵を切った点は非常に賢明なアプローチだと評価できます。今後は学術的な検証にとどまらず、主要なゲームエンジンやロボット開発基盤にどこまでスムーズに統合できるかが実用化の鍵になりそうです。