PhysX-CoT: Raciocínio Físico Estruturado de uma Única Imagem para Ativos 3D Prontos para Simulação

arXiv:2608.08053v1 Tipo de Anúncio: novo Resumo: Ativos 3D prontos para simulação são centrais para a robótica e a IA incorporada. Gerá-los a partir de uma única imagem geralmente é formulado como um modelo de visão-linguagem que emite um ativo serializado para um decodificador transformar em geometria e campos físicos, deixando o raciocínio de imagem-para-3D implícito. Argumentamos que o fator limitante é essa visão centrada na saída: o posicionamento das partes e a forma local ficam entrelaçados em um único fluxo de tokens em coordenadas globais, e os campos físicos intermediários ...