跳到正文
arXiv · AI· Leyan Zhang, Nantian He, Jiajun Ma, Yanpeng Zhao, Yunbo Wang·· 2026-10-14AI 评分28

ReStep 通过反向后果建模提升长时程粒子动力学预测准确性

Back to the Future: Reverse-Consequence Modeling for Long-Horizon Particle Dynamics

AI 导读

ReStep 提出级联方法,通过预测最终状态并结合 Anchored Diffusion 生成中间轨迹,显著缓解了长时程推演中的误差累积。 该方法基于“边界状态”约束动力学,将 ReStep 动力学引擎集成至 3D Gaussian Splatting 流程中,实现了物理与视觉的统一框架。 在刚体和非刚体碰撞数据集的实验中,ReStep 在长期预测准确性上优于传统方法。

来源:arXiv · AI · arxiv.org