DeformSmith：用物理测试台把文本或单图变成可抓取的可变形资产

提出 L0–L3 的分层构建流程：L0 重建网格、高斯外观与凸分解碰撞代理并对齐到统一坐标系，L1 初始化粒子位置、体积、质量与接触条件，L2 用 MPM 仿真探针选择 neo-Hookean 材料的杨氏模量、泊松比与阻尼，L3 用机器人抓放反馈修正动作与材料。 此前的单图物理生成方法（如 PhysGen3D、PhysGM）主要从静态输入推断交互式物理表示，而这里把几何、物理模型、材料与机器人交互拆成有先后依赖的层级，并要求后续层在保持前层已确立量的前提下做修正。 方法描述完整，含四层结构、接触速度修正与摩擦力公式、以及反应力估计式；消融显示分层相对扁平化把资产交付率从 83% 提升到 93%、独立物理测试通过率从 80% 提升到 87%，且仿真调用次数相当（13 对 13.7）。

构建共享的物理测试台（harness），由 LLM 扮演 Planner、Designer、Critic，Prober 执行几何检查与仿真，Orchestrator 按契约做规则校验，在可编辑字段、参数边界、硬性门槛与修订预算内接受或退回候选。 把仿真证据直接接入生成循环，使材料参数不再是一次性推断，而是被探针观测后反复修订；消融中材料目标满足率从 40% 升至 73%，硬失败率从 17% 降至 7%，平均每个资产 14 次构建调用。 消融在独立于候选筛选的形变与恢复测试上评估，两个变体从同一物理模型与初始材料提案出发；作者也指出增益同时反映了结构化反馈与额外仿真投入。

把机器人抓放纳入生成闭环：L3 规划接近、闭合、抬升、搬运、释放与撤离，用接触与形变观测诊断动作、材料与数值问题，并记录机器人指令、粒子状态、接触观测与任务结果，失败尝试也作为带标签的诊断证据保留。 基础物理探针无法覆盖抓取、搬运与释放中的行为，这里用任务级反馈补充，并要求材料改动回到 L2 重新验证后再在同一指令计划、物理模型与力预算下由机器人确认。 消融使用 6 个资产、每个 5 个留出条件，抓放成功率从 40% 升至 67%，材料通过率从 67% 升至 83%，联合成功率从 27% 升至 57%；资产与动作在留出评估前冻结。

在 39 个案例（30 个文本驱动、9 个来自 PhysGen3D 公开项目资产的图像驱动）上与基线比较，物理真实感 0.70、照片真实感 0.58，均比最强基线 PhysGen3D 高 0.24，语义一致性 0.82 对 0.80；40 名参与者对匿名随机左右配对输出评分，胜率在物理合理性 68%–75%、视觉质量 88%–96%、语义一致性 63%–76%。 评测同时使用 GPT-6 Astra 自动评分与盲测人类偏好，并采用匹配输入图像与统一交互描述（四分之一物体高度的五秒重力下落、30 fps、双视角）。 比较在共享交互描述与相同物理时长下进行，自动评分不提供方法标签；作者明确说明这些结果评估的是所测交互下的感知质量，并未确立材料参数精度。

该工作面向体状可变形固体，流体与颗粒材料不在范围内；结果适用于所测交互设定，即四分之一物体高度的五秒重力下落与仿真抓放，作者也说明其评估的是感知质量而非材料参数精度。对读者而言，这提供了一条从文本或单图到可仿真、可抓取资产的路径，并附带验证记录与可回放交互数据；作者提出可把生成结果作为初始化，与 DeformMaster、EMPM 等观测驱动方法结合，用 RGB-D 视频中的三维点轨迹约束材料参数细化。

材料参数精度未被确立，作者指出从文本或图像推断的物理参数需要真实世界验证；当前接触为近似建模，复杂可变形物体的覆盖有限。评测中的自动评分与人类偏好都基于所测交互与感知标准，换用其他任务、物体类别或接触条件时结论是否保持，仍需进一步观察。此外，本次读取为全文，但图 2 至图 5 的具体画面内容只能依据正文描述理解。