3D 綁骨框架 RigMo 釋出：無需人工標註，自動給動物和物體加骨骼做動畫

給 3D 模型綁骨骼，可以說是很多 3D 創作者和遊戲開發者的噩夢。手動定關節點、刷蒙皮權重，稍有一處權重沒刷對，模型動起來就會像融化的麵糰一樣拉伸變形。

研究團隊釋出了論文《RigMo: Unifying Rig and Motion Learning for Generative Animation》，提出了一個能自動給 3D 模型做骨骼繫結與動作推斷的生成框架 RigMo。它最亮眼的地方在於，完全不需要人去標註骨骼，就能直接從三維網格序列裡推斷出可用的骨架。

把骨架和動作放在同一個框架裡學

以往的自動綁骨方法通常把綁骨和動作生成拆成兩套獨立的系統，往往還需要大量人工標註的骨骼真值，導致泛化能力和可擴充套件性都有限。一旦遇到沒有標準骨骼庫的奇特生物或物體，系統很容易抓瞎。

RigMo 換了一條思路，直接把頂點的形變拆成兩個緊湊的隱空間。一個是骨架隱空間（rig latent），負責解碼成顯式的高斯骨骼與蒙皮權重；另一個是動作隱空間（motion latent），負責輸出隨時間變化的剛體位姿變換。

兩者結合在一起，不僅能生成帶清晰骨骼結構和連貫動作的動畫網格，還能在它們的基礎之上執行 Motion-DiT 模型，支援後續的動作生成任務。

熊會跑、風扇會轉，而且不易綁歪

根據論文披露的實驗結果，RigMo 在 DeformingThings4D、Objaverse-XL 和 TrueBones 幾個資料集上都取得了不錯的效果。它學出來的骨骼平滑、符合物理規律，動作也更自然。

更重要的是它的適應面很寬。它不僅能搞定標準的人形角色，還能應付熊、鳥等四足動物或飛禽，甚至連電風扇這類機械非生物的轉動結構也能正確識別。

對比 Uni-Rig 這類現有基線方法，RigMo 在處理複雜動作時表現更加穩定，動作預測更準，不會出現關節扭曲、莫名其妙綁歪的情況。目前研究團隊已經公開了技術論文，並表示相關程式碼和資料即將開源。

為什麼重要

對 3D 創作者和獨立開發者來說，自動綁骨是夢寐以求的生產力工具。如果它能把原本需要幾個小時的手動刷權重流程壓縮到幾秒鐘，資產製作的門檻會被直接打下來一大截。不過目前專案只放出了論文，程式碼和權重還沒正式上線，想直接放進工作流的開發者還需要再等一等。

對整個 3D 生成行業而言，RigMo 指出了一條非常務實的路徑。現在很多 4D 生成模型只是生成了一串亂動的點雲或頂點動畫，雖然看起來在動，但在遊戲引擎和影視軟體裡幾乎無法二次編輯，很難算作真正的生產級資產。能把網格還原成帶標準骨骼和權重的模型，才是生成式 AI 接入傳統工業管線的關鍵一步。

我們認為 RigMo 最聰明的一點在於「從動態中找骨骼」。與其對著靜止的物體去瞎猜關節，不如觀察它是怎麼動的，用形變反推內在骨架。這種逆向思路看起來非常有效。它的潛在侷限在於，目前輸入需要一段連續的網格運動序列；未來如果能進一步降低輸入門檻，哪怕只有幾張關鍵幀也能直接摸出骨骼，那它的殺傷力還會大得多。