该模型将轨迹预测表述为网格坐标上的去噪扩散过程。跨时间、空间和物体的因式分解注意力提升了效率,并支持对多物体的置换不变推理;同时在推理时施加原始网格拓扑,将预测顶点组装成 4D 网格。
PhysiFormer 适用于机器人仿真、图形学、物理设计和未来动力学不确定的世界模型研究。它在超过 10 万条仿真轨迹上训练,支持未见几何体和更多物体数量,并提供公开代码、检查点、交互式查看器和 Hugging Face 演示。
该模型将轨迹预测表述为网格坐标上的去噪扩散过程。跨时间、空间和物体的因式分解注意力提升了效率,并支持对多物体的置换不变推理;同时在推理时施加原始网格拓扑,将预测顶点组装成 4D 网格。
PhysiFormer 适用于机器人仿真、图形学、物理设计和未来动力学不确定的世界模型研究。它在超过 10 万条仿真轨迹上训练,支持未见几何体和更多物体数量,并提供公开代码、检查点、交互式查看器和 Hugging Face 演示。
在您的网站添加此徽章,以获得更多点赞并登上搜索结果顶部!


Get top updates in AI to your inbox every weekend. It's free!