Horizon Robotics (China)

2 篇关联报道

订阅更新

arXiv 2026年10月12日
同一物体换材质提示就能换物理响应：PhysForge把接触与形变窗口挑出来拟合
PhysForge把视频扩散模型生成的材质相关动力学当作参照，用来拟合三维资产的物理参数，并让用户指定的材质真正改变物体的接触与形变响应。此前这类参数多由外观推断，难以对同一物体指定材质，也难以从物体与语义部件之间的复杂交互中估计属性。在PhysAssets与Google Scanned Objects上，它在常见与不常见材质上都取得最高的CLIP分数与物理可控性分数，平均物理可控性4.3，最强基线为3.8。
PhysForge把视频扩散模型生成的材质相关动力学当作参照，用来拟合三维资产的物理参数，并让用户指定的材质真正改变物体的接触与形变响应。此前这类参数多由外观推断，难以对同一物体指定材质，也难以从物体与语义部件之间的复杂交互中估计属性。在PhysAssets与Google Scanned Objects上，它在常见与不常见材质上都取得最高的CLIP分数与物理可控性分数，平均物理可控性4.3，最强基线为3.8。
Nanjing University Shenzhen University Horizon Robotics (China)
Yuchen Wang（第一作者）
PhysForge物理可控三维重建框架 PhysFit物理属性拟合模块 PhysComp组件级物理建模模块物理属性估计物质点法
arXiv 2026年10月2日
Multimodal Flow 用连续超块流匹配统一语言与视觉，MF-1 以 150B token 在 GenEval 得 0.821、DPG-Bench 得 83.44
该工作提出 Multimodal Flow，把文本块与图像编码为有序连续超块，用共享的 chunk-causal Flow Matching 骨干在各自嵌入空间建模语言与视觉，并实例化为 MF-1：在 0.6B、1.2B、1.6B 规模上持续预训练稳定提升多模态建模，1.6B 模型仅用 150B 预训练 token 即在 GenEval 得 0.821、DPG-Bench 得 83.44，在 VQAv2、MMBench、POPE 上平均 75.3，并在匹配数据、优化与参数预算下优于代表性混合式与离散式模型。
该工作提出 Multimodal Flow，把文本块与图像编码为有序连续超块，用共享的 chunk-causal Flow Matching 骨干在各自嵌入空间建模语言与视觉，并实例化为 MF-1：在 0.6B、1.2B、1.6B 规模上持续预训练稳定提升多模态建模，1.6B 模型仅用 150B 预训练 token 即在 GenEval 得 0.821、DPG-Bench 得 83.44，在 VQAv2、MMBench、POPE 上平均 75.3，并在匹配数据、优化与参数预算下优于代表性混合式与离散式模型。
Huazhong University of Science and Technology Beijing Jiaotong University Horizon Robotics (China)
Hongyuan Tao（第一作者）
多模态流 MF-1 流匹配文本到图像生成视觉问答

已读完全部报道

同一物体换材质提示就能换物理响应：PhysForge把接触与形变窗口挑出来拟合

Multimodal Flow 用连续超块流匹配统一语言与视觉，MF-1 以 150B token 在 GenEval 得 0.821、DPG-Bench 得 83.44