AI × 3D CARLA 1.0 接上 NuRec:一次真实路测,变成能开进去的神经仿真场景 一段真实路测变成一个能开进去的场景:.usdz 里装着神经场景、轨迹和 OpenDRIVE 路网,car 给你物理、NuRec 给你画面。
数字孪生 数字孪生能"问"了:扫描 200 万 m² 后,灭火器在哪直接钉在墙上 台账在 Excel、老图纸和几个人的脑子里。qentin 的做法是把答案钉在扫描模型的那个位置——前提是标签读得对、分类能被改。
AI × 3D SimReady 资产库开源:2,000+ 个模型自带宽碰撞质量摩擦,导入就能仿真 下载一个 CAD 模型只是开始。要它能在仿真里被抓起、被撞、被算负荷,还差六类属性——这份清单就是 SimReady 的定义。
AI × 3D CAD 生成一步错步步错:把建模操作当动作,用点云预测下一状态 文本生成 CAD 的难点不在第一步,在于第 8 步时前 7 步的误差已经叠在一起。解法是让模型学会预测"这一步之后几何长什么样"。
AI × 3D text-to-CAD 只有一条路真能出图:让模型写脚本,别让它想象形状 120×80 mm 的板、中心 30 mm 通孔、四角 6 mm 孔——这种描述能跑通。换成"给 2 kg 电机做个结实的支架",你拿到的是猜出来的一堆数。
AI × 3D AI 写的 Three.js 代码不可信:先丢进沙箱,2–5 ms 编成 GLB/USDZ 真正的问题不是"AI 能不能写 3D 代码",而是"你敢不敢让它跑在你的 App 里"。Google 的答案是:跑,但在一个剥掉了网络的沙箱里跑,并且给几何量设上限。
AI × 3D Frankensplat:浏览器里训练高斯泼溅,快 1.73 倍、画质低 0.87 dB Frankensplat 不用装 CUDA:COLMAP 结果拖进浏览器就在本机训练高斯泼溅,8 GB 显卡上快 1.73 倍,画质低 0.87 dB。