PhysiFormer 开源：用扩散模型预测 3D 物体碰撞与果冻形变

PhysiFormer 是一个专门用来预测 3D 物体物理运动和形变的开源扩散模型。

现在的 3D AI 生成工具很多，但生成的往往只是静态网格。一旦把它们放进物理引擎或者交互场景里，这些模型既不知道自己受了多大外力，也不会像真实世界里的东西那样发生磕碰或扭曲。PhysiFormer 解决的就是这个问题：给它一个 3D 网格、初速度和材质，它就能算出这些顶点接下来的真实运动轨迹。

它能做什么

只要输入 3D 物体的初始网格顶点、每个顶点的初始速度，再加上材质标签（刚性还是弹性），PhysiFormer 就能直接推演出物体掉落、撞击以及互相挤压的动画过程。

如果把它设成金属一样的刚体，物体撞地后会发生反弹并保持原样；如果设成果冻或橡胶一样的弹性材料，它落地瞬间就会出现自然的挤压形变与回弹。这个模型不仅支持单个物体，还能同时处理多个物体之间的碰撞。

研究团队用超过 10 万条物理仿真轨迹训练了该模型。在测试中，哪怕遇到训练集里完全没出现过的全新 3D 几何外形，或者混合材质的多物体复杂场景，它也能推算出合乎力学规律的运动结果。

它是怎么跑起来的

大多数世界模型选择把物理模拟转化为生成 2D 视频，但视频会受到视角、光照和遮挡的干扰。PhysiFormer 换了一条路，直接在 3D 真实世界坐标系里对网格顶点做去噪扩散。

它基于 Diffusion Transformer 架构，但没有引入复杂的潜空间编码器，而是直接在原始 3D 坐标上运算。同时，模型把注意力机制分解到了时间、空间和物体三个维度，不需要给每个物体单独打标，就能自动支持多个物体的排列不变性推理。

另一个聪明的改动在于生成方式。以往的神经物理模拟大多采用自回归模式，一步一步预测下一帧，容易累积误差。PhysiFormer 是一次性把时间窗口内的全部轨迹直接采样出来，既保留了物理的不确定性，又保持了动量与刚性的物理一致性。

目前项目团队已经在 GitHub 主页开源了代码和模型权重，并给出了本地部署与运行的说明。训练数据集也计划在后续公开。

为什么重要

对于做 3D 内容、游戏开发和具身智能机器人的团队来说，PhysiFormer 提供了一种无需依赖传统重型求解器就能获得物理动态的新途径。如果你正在搭建需要理解物理交互的 3D 生成管线，或者想让生成的静态资产动起来，现在就很值得把代码拉下来跑跑看。

我们认为它最亮眼的地方，是放弃了像素层面的视频世界模型路线，转而深耕通用的 3D 网格坐标。像素视频看起来很炫，但机器人和物理引擎真正需要的是明确的几何受力与形变。它的局限在于目前只覆盖了简单的刚性和弹性材质分类，流体、断裂等更极端的状态还没支持，但这已经为几何感知的物理世界模型推开了一扇很有价值的门。