PhysPart: Physically Plausible Part Completion for Interactable Objects

要約

インタラクティブなオブジェクトは、日常生活のいたるところに存在する。近年の3Dジェネレーティブモデルの進歩により、これらのオブジェクトのモデリングを自動化することが可能になり、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構築まで、さまざまなアプリケーションに役立っている。しかし、3D形状や外観のモデリングには大きな進歩が見られる一方で、オブジェクトの物理モデリング、特にインタラクション可能なオブジェクトのモデリングは、部品間の運動によって課される物理的制約のため、依然として困難である。本論文では、インタラクション可能なオブジェクトの物理的に妥当なパーツ補完の問題に取り組み、オブジェクトに正確にフィットするだけでなく、スムーズなパーツモーションを可能にする3Dパーツを生成することを目指す。この目的を達成するために、我々は、分類器によらないガイダンスによる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可動性の損失セットとして物理的制約を定式化する、拡散ベースのパーツ生成モデルを提案する。さらに、複雑な部品-全体階層を持つオブジェクトのための逐次部品生成への道を開く、従属部品の生成を実証する。実験的には、運動成功率に基づく物理的妥当性を測定するための新しい指標を導入する。我々のモデルは、形状や物理的メトリクス、特に物理的制約を適切にモデル化していないメトリクスに対して、既存のベースラインを凌駕している。また、3Dプリント、ロボット操作、逐次部品生成への応用を実証し、高い物理的尤度が要求される現実的なタスクにおける我々の強みを示す。

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, DeepL