Xiaopeng Zhang、Luzhe Sun、Yiqing Xu、Matthew R. Walterらの研究チームは10月22日(現地時間)、多視点シルエットから物理的に安定した3Dブロック構造を生成するフレームワーク「StackGen3D（スタックジェン3D）」を発表した。これは、与えられたブロックの在庫と3つの正投影シルエットに基づき、幾何学的曖昧さを解消しながら、オブジェクト間の物理的相互作用を考慮して構造を構築する新たな手法である。同研究は、学術論文データベースarXiv cs.CVで公開された。
StackGen3D（スタックジェン3D）は、幾何学的曖昧さ、物理的安定性、および多様な解空間という、多視点シルエットからの3Dブロック構造生成が抱える主要な課題に対処するために開発された。このフレームワークは、二段階のアプローチで構成される。
第一に、研究チームはブロック間の支持関係をモデル化する物理情報グラフニューラルネットワーク（PI-GNN）を開発した。このPI-GNNは安定性予測器として機能し、物理的に安定した多様な構造のデータセットを構築するために利用される。この段階では、安定性と幾何学的な妥当性を両立させる構造の生成を目指す。
第二に、この構築されたデータセットを用いて条件付きフローマッチングモデルを訓練する。これにより、ターゲットとなるシルエットと一貫性のあるブロック構成の多峰性分布を効果的に捉えることが可能になる。推論時には、物理シミュレーションを伴わない軽量な幾何学的選択と改良メカニズムが導入され、ブロック間の不必要な侵入を削減することで、生成された構造の精度とリアリズムを向上させる。
予備的な実験結果は、PI-GNNが単純な積み重ね構造からより複雑な構造へと、そのパラメーターが一致する多層パーセプトロンと比較して、大幅に優れた汎化性能を示すことを明らかにした。構造生成の評価においては、Best-of-10 selectionと呼ばれる手法を用いることで、物理的安定性が45.3%から72.4%へと大きく向上し、ターゲットシルエットとの重なりを示すシルエットIoU（Intersection over Union）は0.970という高い値を達成した。これらの成果は、関係物理推論、スケーラブルなデータキュレーション、および条件付き生成モデリングを組み合わせることで、創造的な3Dアセンブリ設計と生成において潜在的な可能性を秘めていることを示唆している。この研究に関するポスターは、IROS 2026で開催されたCreativity in Assembly Workshopのウェブサイトで公開されている。
参考: arXiv cs.CV (アーカイブ) — 2026年10月26日 13:00 (JST)
原文ハイライト"StackGen3D: Stable 3D Block Stack Generation from Multiview Silhouettes"