3D 绑骨框架 RigMo 发布：无需人工标注，自动给动物和物体加骨骼做动画

给 3D 模型绑骨骼，可以说是很多 3D 创作者和游戏开发者的噩梦。手动定关节点、刷蒙皮权重，稍有一处权重没刷对，模型动起来就会像融化的面团一样拉伸变形。

研究团队发布了论文《RigMo: Unifying Rig and Motion Learning for Generative Animation》，提出了一个能自动给 3D 模型做骨骼绑定与动作推断的生成框架 RigMo。它最亮眼的地方在于，完全不需要人去标注骨骼，就能直接从三维网格序列里推断出可用的骨架。

把骨架和动作放在同一个框架里学

以往的自动绑骨方法通常把绑骨和动作生成拆成两套独立的系统，往往还需要大量人工标注的骨骼真值，导致泛化能力和可扩展性都有限。一旦遇到没有标准骨骼库的奇特生物或物体，系统很容易抓瞎。

RigMo 换了一条思路，直接把顶点的形变拆成两个紧凑的隐空间。一个是骨架隐空间（rig latent），负责解码成显式的高斯骨骼与蒙皮权重；另一个是动作隐空间（motion latent），负责输出随时间变化的刚体位姿变换。

两者结合在一起，不仅能生成带清晰骨骼结构和连贯动作的动画网格，还能在它们的基础之上运行 Motion-DiT 模型，支持后续的动作生成任务。

熊会跑、风扇会转，而且不易绑歪

根据论文披露的实验结果，RigMo 在 DeformingThings4D、Objaverse-XL 和 TrueBones 几个数据集上都取得了不错的效果。它学出来的骨骼平滑、符合物理规律，动作也更自然。

更重要的是它的适应面很宽。它不仅能搞定标准的人形角色，还能应付熊、鸟等四足动物或飞禽，甚至连电风扇这类机械非生物的转动结构也能正确识别。

对比 Uni-Rig 这类现有基线方法，RigMo 在处理复杂动作时表现更加稳定，动作预测更准，不会出现关节扭曲、莫名其妙绑歪的情况。目前研究团队已经公开了技术论文，并表示相关代码和数据即将开源。

为什么重要

对 3D 创作者和独立开发者来说，自动绑骨是梦寐以求的生产力工具。如果它能把原本需要几个小时的手动刷权重流程压缩到几秒钟，资产制作的门槛会被直接打下来一大截。不过目前项目只放出了论文，代码和权重还没正式上线，想直接放进工作流的开发者还需要再等一等。

对整个 3D 生成行业而言，RigMo 指出了一条非常务实的路径。现在很多 4D 生成模型只是生成了一串乱动的点云或顶点动画，虽然看起来在动，但在游戏引擎和影视软件里几乎无法二次编辑，很难算作真正的生产级资产。能把网格还原成带标准骨骼和权重的模型，才是生成式 AI 接入传统工业管线的关键一步。

我们认为 RigMo 最聪明的一点在于「从动态中找骨骼」。与其对着静止的物体去瞎猜关节，不如观察它是怎么动的，用形变反推内在骨架。这种逆向思路看起来非常有效。它的潜在局限在于，目前输入需要一段连续的网格运动序列；未来如果能进一步降低输入门槛，哪怕只有几张关键帧也能直接摸出骨骼，那它的杀伤力还会大得多。