PhysPart: Physically Plausible Part Completion for Interactable Objects

要約

インタラクト可能なオブジェクトは私たちの日常生活のいたるところに存在します。
3D 生成モデルの最近の進歩により、これらのオブジェクトのモデリングを自動化できるようになり、3D プリンティングからロボット シミュレーション環境の作成まで、幅広いアプリケーションに恩恵をもたらします。
ただし、3D 形状と外観のモデリングは大幅に進歩しましたが、オブジェクトの物理モデリング、特にインタラブル オブジェクトのモデリングは、パーツ間の動きによって課せられる物理的制約のため依然として困難です。
この論文では、オブジェクトに正確に適合するだけでなく、スムーズなパーツの動きを可能にする 3D パーツを生成することを目的として、インタラブル オブジェクトの物理的に妥当なパーツ完成の問題に取り組みます。
この目的を達成するために、分類子を使用しないガイダンスを通じて幾何学的条件付けを利用し、サンプリング プロセスをガイドするための安定性と移動性の損失のセットとして物理的制約を定式化する、拡散ベースの部品生成モデルを提案します。
さらに、依存パーツの生成を実証し、複雑なパーツ全体の階層を持つオブジェクトの順次パーツ生成への道を開きます。
実験的に、動作の成功率に基づいて物理的な妥当性を測定するための新しい指標を導入します。
私たちのモデルは、形状や物理的な指標、特に物理的な制約を適切にモデル化していない既存のベースラインよりも優れています。
また、3D プリンティング、ロボット操作、連続部品生成におけるアプリケーションも実証し、高い物理的妥当性が要求される現実的なタスクにおける当社の強みを示しています。

要約(オリジナル)

Interactable objects are ubiquitous in our daily lives. Recent advances in 3D generative models make it possible to automate the modeling of these objects, benefiting a range of applications from 3D printing to the creation of robot simulation environments. However, while significant progress has been made in modeling 3D shapes and appearances, modeling object physics, particularly for interactable objects, remains challenging due to the physical constraints imposed by inter-part motions. In this paper, we tackle the problem of physically plausible part completion for interactable objects, aiming to generate 3D parts that not only fit precisely into the object but also allow smooth part motions. To this end, we propose a diffusion-based part generation model that utilizes geometric conditioning through classifier-free guidance and formulates physical constraints as a set of stability and mobility losses to guide the sampling process. Additionally, we demonstrate the generation of dependent parts, paving the way toward sequential part generation for objects with complex part-whole hierarchies. Experimentally, we introduce a new metric for measuring physical plausibility based on motion success rates. Our model outperforms existing baselines over shape and physical metrics, especially those that do not adequately model physical constraints. We also demonstrate our applications in 3D printing, robot manipulation, and sequential part generation, showing our strength in realistic tasks with the demand for high physical plausibility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google