AffordCraft：复用可动部件库，把单图变成可验收的仿真资产
85.15%物理通过率衡量可用替代物，并不证明照片级重建；复杂场景学习策略仅完成11%的任务
AffordCraft从已有资产库选择机制合适的对象，整体缩放、放置并保留部件和关节，经碰撞、惯性、支撑和运动检查后导出。2000张完整照片中1703件通过，但物理门槛不核验外观重建准确性或完整任务成功。其价值是把资产工程变成带失败反馈的可复用流程。
图解主要方法
能否复用已经可动的部件库，通过保结构适配和物理反馈减少逐图重新生成的失败？
- 1
把任务转为类别、部件与运动需求
Qwen3-VL-8B从完整RGB和指令定位目标，估计操作部件、旋转或平移机制与尺寸置信度。无真值框；单物体指令已有类别，不能把这项实验称为无约束开放词汇识别。
- 2
先检索再选择机制相符的替代物
DINOv2取最多20个不同目录条目，最多12个优先同类别，其余按相似度补充。每组5个交给多模态选择器核对结构、子型和部件，允许拒绝；置信度阈值是模型自评，不是真值验证。
- 3
统一变换保留运动结构
整体相似变换作用于网格和关节原点，轴只旋转，角度范围不变、滑动范围随尺度变化。固定密度下质量随尺度三次方、惯性五次方变化；默认自由根，只有来源明确声明安装结构才锚定。
- 4
构建碰撞体并按物理失败修复
五级凸分解参数逐步尝试，每个部件保留独立视觉与碰撞几何。检查导出、合法惯性、重力稳定、真实支撑及指定部件运动；失败最多一次保结构修复，再换候选，最多20个。
- 5
独立进程复核后再用于机器人任务
最终进程重新加载资产执行同一门槛，不把结果回馈继续挑选。资产可进入脚本教师和冻结OpenVLA-OFT特征上的循环动作头训练；这一步另算任务成功，不与物理通过率互换。
实验与证据
阅读全文90499字符及附录A.1–A.11，核对图2、代码目录、MIT许可、数据和代码溯源说明。
来源证据完整RGB的2000图、31类：1703通过，85.15%，Wilson区间83.52–86.64%；1132件含可动关节。 表1；A.3 ↗
我的解读物理通过不是外观相似或全任务成功；297个失败中230未定位，主要瓶颈不全是建模。
来源证据原生PhysX-Anything44.55%、PhysX-Omni36.50%、PAct23.70%；共同适配后反降到30.10%、26.60%、16.80%。 表1；A.8 ↗
我的解读应以各自适用的原生条件比较，不能挑更差的适配数夸大优势；纯网格基线还缺关节与物性。
来源证据50张COCO有237真值实例：172被定位，162最终通过，68.35%；15/50图全部通过。 4.3；A.2、A.6 ↗
我的解读563/575是自行检出对象的条件通过率，不能替代237实例分母；18图另做有记录的去重复解码。
来源证据配对200输入完整参考169通过；去选择器175、去适配93、去重选147、去修复169。 表2；A.3、A.8 ↗
我的解读选择和单次修复未显示显著净提升；无任务条件173物理通过中只有125类别正确，物理与语义须分开。
来源证据扩库141→11372条，类别覆盖46.15%→100%，首选标签一致17.50%→51.45%。 表7；A.7 ↗
我的解读这些是检索标签指标，不是完整构建或关节匹配率；库内只有2335个PartNet条目带关节，其余9037为刚体。
来源证据32输入独占RTX5090：预建几何中位40秒；原先缓存120.8秒，五分钟通过53.1%与43.8%。 表9–10；A.9 ↗
我的解读0.8分钟/通过资产由中位时长除通过率得出，不是总成本均值；全2000吞吐运行另记每通过资产11.8 worker分钟，不能直接同列比较。
来源证据单资产10任务、200留出初态：学习头114/200，随机头1/200；5个无记录初态算失败。 表11；A.10 ↗
我的解读仅见过的10件开发资产，体现任务可学习性而非未见资产泛化；没有真实机器人迁移。
来源证据组合场景脚本教师273/320，但学习头留出初态11/100，第一子目标66/100；随机头0/40。 表12–17；A.11 ↗
我的解读多数链条止于抓取或放置，不能只引用教师85.3%称学习策略可靠；训练用了特权教师标签及混合策略采集。
来源证据凸分解不设随机种子，整个实验与消融复用网格缓存。 A.1；代码溯源说明 ↗
我的解读同一缓存保证运行内一致，但从空缓存重建边缘资产可能改变通过判定；复现要保存几何版本与哈希。
开放情况与使用许可
仓库实际含构建、物理门槛、基线适配、策略训练、测试及结果分析代码。输入和11372条资产提供来源ID，catalog.json与原始几何未随库分发，需依原集合许可自行构建；没有把依赖模型当作新发布权重。
LICENSE代码MIT；PartNet-Mobility、Objaverse、GSO、YCB及输入照片分别受原许可约束，不能整体标为MIT。论文为arXiv非独占托管许可；图2注明原作者用于方法评论。
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
2000张输入均进入分母，未定位和导出失败不被删除；五种生成基线用同一物理门槛、分别报告原生和适配输出。
消融中去适配、去物理反馈重选明显损失；代码附输入ID、记录和表格生成器，提升可审查性。
区分逐资产门槛、脚本教师可操作性、学习策略成功率，未把三者混成一个任务成功数字。
反方 · 哪些结论还不够
去多模态选择器反而物理通过175/200，高于完整169/200；当前证据未证明所有模块有净收益。
40秒为32张子集、预建碰撞缓存条件的中位数；长尾和库建设成本不能用0.8 GPU分钟概括。
同一标准用于反馈和最终独立进程验收，独立进程不等于独立评价目标；类别正确仍依目录标签，无独立部件真值。
综合判断
较完整的仿真资产检索适配工程，优势在机制复用和可执行物理验收；不宜解读成通用单图高保真3D生成，或已解决下游机器人长任务。
我会先做的验证
建议实验（尚未执行）：在未见类别和资产上加入独立部件、运动轴、尺寸及接触参数真值，固定完整任务和缓存预算，对比检索与生成；另测UV、材质、重光照和接缝，并公开冷启动总成本与下游策略失败。