MIT PhysiOpt：AI生成3D模型的物理优化新突破
机器之心2026/02/24 11:58机翻/自动摘要/自动分类
3 阅读
内容评分
技术含量
9/10
营销水分
6/10
摘要
MIT提出的PhysiOpt框架首次实现生成式3D模型潜空间的可微分物理优化，解决了传统方法中生成模型与物理仿真之间的断层问题。该技术保持设计语义，提升计算效率，并具备良好的泛化性，适用于多种生成模型，为AI生成设计的可制造性提供了新方向。
正文
新年伊始，AI在创意设计领域的应用愈发广泛，生成式3D模型已能根据描述生成如鳄梨椅、蒸汽波钥匙架等独特物品。然而，这些模型在物理结构上仍存在诸多问题，如过薄、不连续、承重不足等，导致无法实际制造。MIT团队提出了一种名为PhysiOpt的新框架，首次实现了在不破坏生成模型原生表示的前提下，直接在潜空间中进行可微分物理优化。该框架通过将隐式场解释为连续材料密度分布，使生成的3D模型在保持设计语义的同时具备物理可行性。PhysiOpt支持交互式优化流程，用户可设置材料属性、载荷、边界条件，并实时查看变形热力图。此外，该框架兼容多种生成模型，包括DeepSDF、部件级潜表示和TRELLIS等，无需额外训练即可利用预训练模型的形状先验知识进行优化。研究团队展示了其在3D打印中的实际应用，如火烈鸟形状的饮用杯和蒸汽朋克风格的钥匙架，为生成式设计迈向可制造阶段提供了重要支持。