全球首个统一物理3D生成框架PhysX-Omni近日问世，由大晓机器人与南洋理工大学S-Lab联合研发。这一突破性成果重新定义了具身智能训练数据的生成范式，使AI生成的3D模型无需人工干预即可直接应用于物理模拟环境，为机器人交互策略的迭代升级开辟了新路径，标志着通用机器人技术从“感知智能”向“物理智能”迈出关键一步。
传统3D生成技术通常遵循“先构建外观再补充物理属性”的分离式路径，导致生成的模型在物理模拟中频繁出现穿模、尺寸失真、关节失效等问题。研究团队突破这一局限，从具身智能的实际训练需求出发，创新提出“统一建模+显式物理表征”的技术路线。该框架首次实现刚体、可变形物体与关节物体的物理参数一体化建模，能够同步生成包括绝对尺度、材料属性、运动学参数在内的完整物理信息，使3D模型从生成阶段即具备仿真能力。
核心技术创新体现在几何表征方法的重构上。研发团队受二维游程编码启发，开发出模板化游程编码技术：首先将3D资产体素化并按部件层级拆解，随后沿Z轴切片生成二维二值掩码进行紧凑编码；通过引入模板层机制，使结构相似的切片共享基础模板，仅记录差异部分。这种设计在保留毫米级几何精度的同时，将词元数量压缩至传统方法的1/5，有效规避了分割步骤引入的累积误差。
PhysX-Omni的端到端生成能力彻底改变了物理资产的生产流程。用户仅需提供文本描述或2D图像，系统即可自动生成符合物理规律的3D模型及完整场景，包括家居、工业、办公等多样化环境。生成的场景不仅包含静态物体布局，更支持动态交互元素配置，可满足机器人导航、操作、协作等复杂任务的训练需求。实验数据显示，该框架生成的场景在物理模拟中的通过率较传统方法提升300%，数据生成效率提高15倍。
这项技术为具身智能的发展提供了关键基础设施。通过构建符合真实物理规律的虚拟环境，机器人能够在仿真世界中完成数百万次交互训练，大幅降低现实世界中的试错成本。特别是在多智能体协作、复杂环境交互等高阶任务中，系统生成的多样化场景为机器人理解物理世界运行规律、建立通用世界模型提供了重要支撑，推动具身智能向更高级的认知阶段演进。
