PhysiFormer 開源：用擴散模型預測 3D 物體碰撞與果凍形變

PhysiFormer 是一個專門用來預測 3D 物體物理運動和形變的開源擴散模型。

現在的 3D AI 生成工具很多，但生成的往往只是靜態網格。一旦把它們放進物理引擎或者互動場景裡，這些模型既不知道自己受了多大外力，也不會像真實世界裡的東西那樣發生磕碰或扭曲。PhysiFormer 解決的就是這個問題：給它一個 3D 網格、初速度和材質，它就能算出這些頂點接下來的真實運動軌跡。

它能做什麼

只要輸入 3D 物體的初始網格頂點、每個頂點的初始速度，再加上材質標籤（剛性還是彈性），PhysiFormer 就能直接推演出物體掉落、撞擊以及互相擠壓的動畫過程。

如果把它設成金屬一樣的剛體，物體撞地後會發生反彈並保持原樣；如果設成果凍或橡膠一樣的彈性材料，它落地瞬間就會出現自然的擠壓形變與回彈。這個模型不僅支援單個物體，還能同時處理多個物體之間的碰撞。

研究團隊用超過 10 萬條物理模擬軌跡訓練了該模型。在測試中，哪怕遇到訓練集裡完全沒出現過的全新 3D 幾何外形，或者混合材質的多物體複雜場景，它也能推算出合乎力學規律的運動結果。

它是怎麼跑起來的

大多數世界模型選擇把物理模擬轉化為生成 2D 影片，但影片會受到視角、光照和遮擋的干擾。PhysiFormer 換了一條路，直接在 3D 真實世界座標系裡對網格頂點做去噪擴散。

它基於 Diffusion Transformer 架構，但沒有引入複雜的潛空間編碼器，而是直接在原始 3D 座標上運算。同時，模型把注意力機制分解到了時間、空間和物體三個維度，不需要給每個物體單獨打標，就能自動支援多個物體的排列不變性推理。

另一個聰明的改動在於生成方式。以往的神經物理模擬大多采用自迴歸模式，一步一步預測下一幀，容易累積誤差。PhysiFormer 是一次性把時間視窗內的全部軌跡直接取樣出來，既保留了物理的不確定性，又保持了動量與剛性的物理一致性。

目前專案團隊已經在 GitHub 主頁開源了程式碼和模型權重，並給出了本地部署與執行的說明。訓練資料集也計劃在後續公開。

為什麼重要

對於做 3D 內容、遊戲開發和具身智慧機器人的團隊來說，PhysiFormer 提供了一種無需依賴傳統重型求解器就能獲得物理動態的新途徑。如果你正在搭建需要理解物理互動的 3D 生成管線，或者想讓生成的靜態資產動起來，現在就很值得把程式碼拉下來跑跑看。

我們認為它最亮眼的地方，是放棄了畫素層面的影片世界模型路線，轉而深耕通用的 3D 網格座標。畫素影片看起來很炫，但機器人和物理引擎真正需要的是明確的幾何受力與形變。它的侷限在於目前只覆蓋了簡單的剛性和彈性材質分類，流體、斷裂等更極端的狀態還沒支援，但這已經為幾何感知的物理世界模型推開了一扇很有價值的門。