3Dモデリングは、仮想から物理的な世界へと移行しています。既存の3D生成技術は主に形状とテクスチャに重点を置き、物理に基づいたモデリングが軽視されています。その結果、3D生成モデルの急速な発展にもかかわらず、合成された3Dアセットはしばしば豊かな重要な物理的特性を見落としており、シミュレーションやエンバディッドAIなどの物理領域での実世界応用を阻害しています。この課題への対処の一環として、私たちはPhysXという端から端までのパラダイムを提案します。これは物理に基づいた3Dアセット生成のためのものです。1) 物理注釈付き3Dデータセットにおける重要なギャップを埋めるために、私たちはPhysXNetを提示します。これは5つの基礎的な次元（絶対スケール、材料、操作可能性、運動学、機能説明）にわたって系統的に注釈付けられた最初の物理に基づいた3Dデータセットです。特に、ビジョン言語モデルに基づくスケーラブルなヒューマンインザループ注釈パイプラインを開発しており、これにより未加工の3Dアセットから効率的に物理優先のアセットを作成することが可能となっています。2) さらに、私たちはPhysXGenを提案します。これは物理に基づいた画像から3Dアセットへの生成フレームワークで、事前学習された3D構造空間に物理的知識を注入するものです。具体的には、PhysXGenは双方向アーキテクチャを使用して3D構造と物理的特性との間の潜在的な相関関係を明示的にモデル化し、現実的な物理予測を持つ3Dアセットを生成しながらも本来の幾何学品質を保つことができます。広範な実験によって私たちのフレームワークの優れた性能と有望な汎化能力が検証されています。コード、データ、およびモデルはすべて公開され、生成型物理AIに関する今後の研究を促進することを目指しています。