群核科技联合浙江大学开源UniPhysGen让3 D模型“懂物理”

近日，群核科技联合浙江大学发布并开源统一物理语义生成模型UniPhysGen，并同步开放配套数据资源：训练数据集UniPhys-40K与评测基准UniPhys-Bench。目前，模型与数据集资源均已同步上线两大开源平台Hugging Face和GitHub。

随着物理AI与具身智能的发展，AI正从理解“数字世界”，逐步走向理解并作用于真实的“物理世界”。对机器人而言，要完成抓取、开关、移动等任务，仅知道物体“长什么样”是不够的，还需要理解其部件构成、运动方式，以及材质、质量、摩擦等物理属性。当前，大量3D资产主要记录几何与外观信息，缺少与现实物理世界对应的语义；即使视觉上足够逼真，也往往难以直接用于可信的机器人仿真。

如何让海量的3D资产获得“物理语言”，正在成为连接数字世界与物理世界的关键一环。

面向已有的3D资产“补齐”物理信息

与主流的3D生成模型不同，UniPhysGen并非直接生成新的物体资产，而是面向已有3D资产进行物理信息补全。模型可进一步推理和补全部件结构、物理属性、关节运动等信息，并通过仿真验证，使原本“只可看”的3D模型具备可仿真、可交互的能力，为机器人训练和物理AI提供仿真资产供给。

当前数字世界中已有海量3D资产，来自设计师、游戏开发者、内容创作者，也越来越多地来自AI生成工具。但这些资产结构并不统一：有的部件拆分较细，有的较粗；有的来自传统3D设计流程，有的来自生成式工具。UniPhysGen的作用在于，从不同来源、不同拆分方式的3D资产中建立统一的物理语义理解；当这些模型具备与现实世界对应的结构、运动和物理属性后，数字世界可以更进一步描述和模拟物理世界。

服务规模化训练与可信评测的数据体系

为支撑模型规模化训练和可信评测，UniPhysGen同步构建了UniPhys数据体系。其中，UniPhys-40K是面向模型训练的大规模物理语义数据集，覆盖多来源、多类别的3D对象与部件级属性，用于帮助模型学习真实资产中的结构、运动与物理规律；UniPhys-Bench是经人工核验的评测基准，用于检验模型对铰接结构与运动部件的物理语义理解能力，为模型泛化和仿真应用提供评测依据。

整体来看，UniPhys-40K解决“训练从哪来”的问题，UniPhys-Bench则回应“能力如何评”的问题；二者与 UniPhysGen模型共同构成从数据、训练到评测的闭环。这一数据体系的核心价值，在于支撑模型学习多样3D资产中的运动与物理规律，并通过经人工核验的基准检验模型能力，为模型泛化和仿真应用提供依据。

群核科技首席科学家唐睿表示：“进入物理AI时代，仿真与数据正在成为新的基础设施。机器人需要在符合真实物理规律的环境中不断感知、试错和交互。UniPhysGen 让海量已有3D资产高效获得完整物理语义，批量走向 Sim-Ready，从源头提升可交互资产供给能力。”

让数字世界与物理世界持续进行信息对齐，是AI走向物理世界的基础之一。围绕物理AI的数据与仿真基础设施，群核科技已推出物理数据引擎SpatialVerse：先后开源3D高斯数据集InteriorGS、SAGE-3D，多篇研究论文入选CVPR、ECCV、SIGGRAPH等国际学术会议，并与智元机器人、银河通用等机器人企业开展合作，为具身智能提供仿真训练资产与平台能力。

本次开源UniPhysGen，是群核科技在物理AI领域的又一次探索：从让模型理解物理语义出发，进一步连接已有3D资产、仿真验证与机器人训练需求，为物理AI的数据供给和仿真基础设施建设提供支撑。

（注：此文属于央广网登载的商业信息，文章内容不代表本网观点，仅供参考。）

主题：3D资产|群核科技|数字世界|群核科技联合浙江大学