跳到正文
10月22日周四
10月20日周二
  1. arXiv · cs.CL37

    SpatialScout:VLM 智能体能主动探索并绘制 3D 场景地图吗?

    研究者推出 SpatialScout 基准,评测 VLM 智能体在主动物体级 3D 建图上的能力,基准包含 80 个室内场景和 3,140 个目标物体。最强的 Claude Opus 5.5 平均重叠分数仅 41.71%,47.23% 的目标 IoU 超过 0.5,仅 3.25% 超过 0.9。结果显示模型在从粗略布局到精确度量地图构建上仍有明显差距,代码已开源。

10月16日周五
  1. arXiv · cs.AI22

    GeoState:学习视角解耦的几何状态用于 3D 世界建模

    GeoState 是一种用于预测式 3D 世界建模的视角解耦几何表示,将场景状态演化与相机相关的观测分离。其场景 tokenizer 将多视图 GFM 特征聚合为视角解耦的场景状态,自回归世界模型预测未来状态,相机运动单独建模,整个 rollout 保持单一尺度、无需逐帧对齐。该方法在 Waymo 上优于已有 3D 世界模型,并可零样本泛化到 KITTI 和 nuScenes。

10月13日周二
  1. 80 Level · CG 与游戏美术42

    KAIST 团队推出 OmniBody:可实时切割、剥离与破碎物体的软体模拟

    KAIST 研究者 Jewoo Shin 与 Jinah Park 开发 OmniBody,用体素对齐的椭球粒子加局部 XPBD 约束和 GPU 并行化,实现可切割、剥离与破碎的可变形物体实时模拟,无需全局求解器或重网格化。该框架在 RTX 3080 Ti 上模拟 64,000 粒子约需 3.1 毫秒,复杂切割测试低于 10 毫秒,成果入选 SIGGRAPH 2026 动画与模拟海报环节。