MG-CD-MPM:基于强化学习的多态材料灵巧操作物理模拟
提出 MG-CD-MPM 模拟器,通过局部化损伤求解与双向工具耦合,实现软体、脆性及粘塑性等多态材料的实时大变形模拟。该 Gym 兼容环境支持在线强化学习,成功演示了切割、挖掘等操作任务。
提出 MG-CD-MPM 模拟器,通过局部化损伤求解与双向工具耦合,实现软体、脆性及粘塑性等多态材料的实时大变形模拟。该 Gym 兼容环境支持在线强化学习,成功演示了切割、挖掘等操作任务。
该研究提出一种在3D城市场景中自动放置植被的新方法。利用条件视觉语言模型生成俯视图,结合CMA-ES优化算法调整植物尺度与资产替换,并通过阴影和声学代理模型评估目标函数,实现兼具美学与功能性的城市景观布局生成。
HairDeck提出基于集合扩散Transformer,将发卡视为独立Token并行去噪,从单张图像直接生成发卡几何与弹簧骨骼链。该方法在CHaRM测试集上Chamfer距离降低44%,速度提升33倍,显著优于现有自回归及串状方法,输出可直接用于下游流程的可动画资产。