大晓机器人联合南洋理工打通Physical AI全链路！PhysX-Omni补齐物理AI基建

PhysX-Omni：统一刚体、可形变与关节物体的物理 3D 生成

该论文第一作者为曹子昂，研究方向主要聚焦于 3D AIGC、Physical AI 与具身智能。论文主要合作者包括来自南洋理工大学的李海天、姚润茂、洪方舟、陈昭熹，以及大晓机器人的刘英豪和潘亮。通讯作者为南洋理工大学刘子纬教授。

此前，大晓机器人曾发布 ACE 具身研发范式 ——“环境式数据采集 — 世界模型 —— 泛化大脑模组”，新研究成果和研发范式或将为其打造能真正理解并交互物理世界的机器人的最强大脑提供核心数据基建。

论文标题： PhysX-Omni: Unified Simulation-Ready Physical 3D Generation for Rigid, Deformable, and Articulated Objects

论文链接： https://arxiv.org/abs/2605.21572

项目主页：hthttps://physx-omni.github.io/

GitHub 代码：https://github.com/physx-omni/PhysX-Omni

近年来，随着大语言模型（LLM）、视觉语言模型（VLM）以及具身智能（Embodied AI）的快速发展，人工智能正从 “感知世界” 迈向 “理解并交互世界”。然而，现有大多数 3D 生成方法仍主要关注外观与几何结构，缺乏真实世界所需的物理属性与运动能力，难以直接应用于机器人与物理仿真场景。同时，simulation-ready physical 3D generation 领域也长期面临数据稀缺与缺乏统一评测标准的问题。

为了解决这些挑战，研究团队提出了全新的统一生成框架 PhysX-Omni，首次实现对刚体、可形变物体以及关节物体的统一建模，能够直接生成具备丰富物理属性、可用于真实仿真环境的高质量 3D 资产，并进一步构建了更大规模的数据集与统一 benchmark，为 Physical AI 与 Embodied AI 研究提供了新的基础。

1 引言

与传统 3D AIGC 方法不同，PhysX-Omni 不仅关注几何结构与视觉质量，更进一步建模物体的绝对尺度（Absolute Scale）、材料属性（Material）、运动学参数（Kinematics）、交互能力（Affordance）以及语义描述（Description）等关键物理信息，从而真正实现 “可交互、可运动、可仿真” 的 Physical AI 资产生成。

PhysX-Omni 的核心创新之一，是提出了一种专门面向 VLM 的全新几何表征方式，可以直接显式建模高分辨率三维结构，同时无需引入额外 special token。通过避免 segmentation 带来的误差累积。

此外，为了解决 simulation-ready physical 3D 数据稀缺的问题，研究团队进一步构建了首个通用 simulation-ready physical 3D dataset，PhysXVerse。该数据集包含超过 8K 个高质量 physical 3D assets，覆盖 2K+ 室内与室外类别。为了更加全面地评估 simulation-ready 3D generation，团队还提出了首个物理 3D generation benchmark——PhysX-Bench。首次从六个核心维度对生成结果进行综合评估，包括：几何结构、绝对尺度、材料属性、可供性、运动学、语义描述。

主题：PhysX-Omni|机器人|大晓机器人|物理属性