随着具身人工智能(EAI)研究的最新发展,对高质量、大规模互动场景生成的需求日益增长。尽管以前的场景合成方法优先考虑生成场景的自然性和真实感,但场景的物理合理性和互动性大多未被探索。为了解决这一差距,我们引入了PHYSCENE,这是一种专门用于生成具有现实布局、可动物体和丰富物理互动性的交互式三维场景的新方法,这些场景专为体现智能代理设计。基于一个条件扩散模型来捕捉场景布局,我们设计了基于物理和互动性的新颖引导机制,这些机制整合了来自物体碰撞、房间布局和物体可及性的约束。通过广泛的实验,我们展示了PHYSCENE有效地利用这些引导功能进行物理可交互场景合成,大幅度超过现有最先进的场景合成方法。我们的发现表明,由PHYSCENE生成的场景在促进代理在互动环境中获得多样化技能方面具有相当的潜力,从而催化体现人工智能研究的进一步发展。

成为VIP会员查看完整内容
15

相关内容

【NeurIPS2023】基于语义对齐的潜空间翻译
专知会员服务
18+阅读 · 2023年11月2日
【ICML2022】Transformer是元强化学习器
专知会员服务
51+阅读 · 2022年6月15日
【CVPR2022】EDTER:基于Transformer的边缘检测(CVPR2022)
专知会员服务
32+阅读 · 2022年3月18日
【CVPR2022】用于全身图像生成的 InsetGAN
专知会员服务
25+阅读 · 2022年3月17日
【IJCAI2020】TransOMCS: 从语言图谱到常识图谱
专知会员服务
34+阅读 · 2020年5月4日
【Tutorial】计算机视觉中的Transformer,98页ppt
专知
17+阅读 · 2021年10月25日
【AAAI2021】自监督对应学习的对比转换
专知
12+阅读 · 2020年12月11日
【Flink】基于 Flink 的流式数据实时去重
AINLP
14+阅读 · 2020年9月29日
【论文笔记】Graph U-Nets
专知
80+阅读 · 2019年11月25日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
37+阅读 · 2019年7月25日
DeepMind:用PopArt进行多任务深度强化学习
论智
27+阅读 · 2018年9月14日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
31+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
13+阅读 · 2013年12月31日
国家自然科学基金
12+阅读 · 2008年12月31日
Arxiv
140+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
343+阅读 · 2023年3月31日
Arxiv
57+阅读 · 2023年3月26日
Arxiv
121+阅读 · 2023年3月24日
Arxiv
18+阅读 · 2023年3月17日
VIP会员
相关VIP内容
【NeurIPS2023】基于语义对齐的潜空间翻译
专知会员服务
18+阅读 · 2023年11月2日
【ICML2022】Transformer是元强化学习器
专知会员服务
51+阅读 · 2022年6月15日
【CVPR2022】EDTER:基于Transformer的边缘检测(CVPR2022)
专知会员服务
32+阅读 · 2022年3月18日
【CVPR2022】用于全身图像生成的 InsetGAN
专知会员服务
25+阅读 · 2022年3月17日
【IJCAI2020】TransOMCS: 从语言图谱到常识图谱
专知会员服务
34+阅读 · 2020年5月4日
相关资讯
【Tutorial】计算机视觉中的Transformer,98页ppt
专知
17+阅读 · 2021年10月25日
【AAAI2021】自监督对应学习的对比转换
专知
12+阅读 · 2020年12月11日
【Flink】基于 Flink 的流式数据实时去重
AINLP
14+阅读 · 2020年9月29日
【论文笔记】Graph U-Nets
专知
80+阅读 · 2019年11月25日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
37+阅读 · 2019年7月25日
DeepMind:用PopArt进行多任务深度强化学习
论智
27+阅读 · 2018年9月14日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
31+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
13+阅读 · 2013年12月31日
国家自然科学基金
12+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员