Une équipe de l'Université technologique de Nanyang, dirigée par le professeur adjoint Liu Ziwei, a récemment présenté PhysX-Omni, un modèle de génération tridimensionnelle unique capable de produire des assets directement compatibles avec la simulation physique. Contrairement aux systèmes existants qui créent des objets purement visuels, PhysX-Omni prédit avec précision des propriétés réelles telles que le poids, la flexibilité et la mobilité des articulations. Ce développement marque un tournant pour l'intelligence artificielle incarnée et la simulation physique, en permettant à l'IA de passer d'une représentation esthétique à une interaction fonctionnelle avec le monde réel. Pour résoudre ce défi, les chercheurs ont conçu un encodage par codes à longueur de course templatisé. Cette méthode transforme les maillages 3D en tranches 2D compressées en chaînes de texte, préservant les détails géométriques tout en réduisant la consommation de tokens. L'architecture, basée sur un modèle de 7 milliards de paramètres, fonctionne à un coût d'inférence réduit de dix à vingt fois par rapport aux logiciels de simulation traditionnels. L'entraînement du système s'appuie sur PhysXVerse, un jeu de données inédit contenant plus de 8 700 assets de haute qualité, soigneusement étiquetés pour leurs dimensions absolues, matériaux, sémantique fonctionnelle et types de mouvements. Les résultats démontrent une amélioration spectaculaire des capacités de génération. Sur le nouveau benchmark PhysX-Bench, PhysX-Omni atteint une distance de Chamfer de 2,95 et un score F de 91,28 pour la précision géométrique. Son innovation majeure réside dans la prédiction des dimensions absolues, dont l'erreur chute de 300 à 2,79, soit une progression de deux ordres de grandeur. Cette exactitude est rendue possible par un nettoyage rigoureux des données d'entraînement et la résolution accrue de l'encodage texte. Des tests en environnements ouverts confirment également sa supériorité pour la compréhension des matériaux, de la cinématique et des fonctionnalités des objets. La compatibilité directe de PhysX-Omni avec les simulateurs physiques actuels permet d'intégrer instantanément les modèles générés dans des environnements d'entraînement robotiques, sans nécessiter de post-traitement manuel. Des expériences sur des tâches complexes comme l'ouverture de portes ou la manipulation de machines ont validé la stabilité dynamique et la cohérence physique des assets. Cette technologie pourrait accélérer le développement des robots autonomes, optimiser les productions cinématographiques et de jeu vidéo, et à terme, servir de substitut numérique à certaines expériences scientifiques coûteuses. Des acteurs industriels comme l'entreprise Daxiao Robotics et plusieurs startups de la Silicon Valley ont déjà intégré le framework dans leurs plates-formes. Selon l'équipe de recherche, ce système constitue une infrastructure de données essentielle pour l'IA physique future. Les travaux suivants visent à étendre le modèle aux scènes complètes, à optimiser l'apprentissage des données rares et à affiner les relations spatiales entre les objets. En fournissant à l'intelligence artificielle des connaissances physiques fondamentales, PhysX-Omni ouvre la voie à une génération d'outils capables de comprendre et de manipuler le monde réel avec une précision inédite.