arXiv 2026年10月6日该工作提出 ArticuTable 单图桌面场景重建框架：GRAM 用多模态大模型引导的关节拟合与语义状态推理，把不完美的单体代理网格转成可执行 URDF 铰接资产；PSGSR 用点云、俯视、输入视角三阶段渐进配准并结合结构感知语义位姿选择消解偏航歧义；在 150 张生成参考图上，其 LPIPS 0.2398、DINOv2 0.8991、CLIP 0.9265 均优于 ACDC、Gen3DSR、MIDI、TabletopGen，碰撞率 0.3819% 最低，用户研究中 85.59% 排第一，并发布 100 个可直接载入 Isaac Sim 的 USDZ 场景。该工作提出 ArticuTable 单图桌面场景重建框架：GRAM 用多模态大模型引导的关节拟合与语义状态推理，把不完美的单体代理网格转成可执行 URDF 铰接资产；PSGSR 用点云、俯视、输入视角三阶段渐进配准并结合结构感知语义位姿选择消解偏航歧义；在 150 张生成参考图上，其 LPIPS 0.2398、DINOv2 0.8991、CLIP 0.9265 均优于 ACDC、Gen3DSR、MIDI、TabletopGen，碰撞率 0.3819% 最低，用户研究中 85.59% 排第一，并发布 100 个可直接载入 Isaac Sim 的 USDZ 场景。ArticuTable 从单张 RGB 图像重建可执行部件级铰接的桌面场景，在 150 张参考图上取得最低 LPIPS 0.2398 与最高 DINOv2 0.8991，用户研究中 85.59% 排名第一该工作提出 ArticuTable 单图桌面场景重建框架：GRAM 用多模态大模型引导的关节拟合与语义状态推理，把不完美的单体代理网格转成可执行 URDF 铰接资产；PSGSR 用点云、俯视、输入视角三阶段渐进配准并结合结构感知语义位姿选择消解偏航歧义；在 150 张生成参考图上，其 LPIPS 0.2398、DINOv2 0.8991、CLIP 0.9265 均优于 ACDC、Gen3DSR、MIDI、TabletopGen，碰撞率 0.3819% 最低，用户研究中 85.59% 排第一，并发布 100 个可直接载入 Isaac Sim 的 USDZ 场景。该工作提出 ArticuTable 单图桌面场景重建框架：GRAM 用多模态大模型引导的关节拟合与语义状态推理，把不完美的单体代理网格转成可执行 URDF 铰接资产；PSGSR 用点云、俯视、输入视角三阶段渐进配准并结合结构感知语义位姿选择消解偏航歧义；在 150 张生成参考图上，其 LPIPS 0.2398、DINOv2 0.8991、CLIP 0.9265 均优于 ACDC、Gen3DSR、MIDI、TabletopGen，碰撞率 0.3819% 最低，用户研究中 85.59% 排第一，并发布 100 个可直接载入 Isaac Sim 的 USDZ 场景。