比SOTA提速10倍！北大DragMesh重塑3D交互，物理零失真

新智元报道

编辑：LRST

【新智元导读】让静态3D模型「动起来」一直是图形学界的难题：物理模拟太慢，生成模型又不讲「物理基本法」。近日，北京大学团队提出DragMesh，通过「语义-几何解耦」范式与双四元数VAE，成功将核心生成模块的算力消耗降低至SOTA模型的1/10，同时将运动轴预测误差降低了10倍。得益于底层数学的完备性，该模型无需任何标注，即可让任意静态Mesh实现符合物理规律的实时交互。

在生成式AI的浪潮下，业界已经可以通过LRM、TripoSR等模型生成高质量的静态3D资产。

然而，一个完整的3D世界模型（World Model）不仅需要知道物体「长什么样」，更需要理解它们「怎么动」以及如何响应用户的交互。

当前的3D交互生成领域面临着一道难以逾越的「交互-保真度鸿沟」：

1. 物理模拟派（如基于优化的方法）：虽然物理一致性高，但计算过于沉重，无法满足实时交互需求。

2. 纯生成派（如基于扩散模型的方法）：虽然生成速度较快，但经常违反运动学约束，产生「关节脱臼」、「穿模」或轨迹漂移等幻觉。

为了打破这一僵局，北京大学团队推出了DragMesh，这是一个专为实时交互设计的轻量级框架，它没有盲目堆砌算力，而是从数学表征和架构设计底层入手，实现了物理真实性与计算效率的双重飞跃。

论文链接：https://arxiv.org/abs/2512.06424

代码链接：https://github.com/AlGeeksGroup/DragMesh

项目主页：https://aigeeksgroup.github.io/DragMesh

核心技术

两大创新重塑3D交互

DragMesh 并没有采用端到端的暴力生成，而是提出了解耦的设计哲学。团队认为，现有模型之所以庞大且低效，是因为试图用一个网络同时解决「语义理解」（这是微波炉还是柜子？）和「动作生成」（它该怎么转？）这两个性质完全不同的问题。

语义-几何解耦范式

DragMesh将交互过程拆解为两个轻量级流水线：

inference pipeline（推理流程）

意图推理：利用 VLM（如 GPT-4o）的通识能力，快速判断用户的交互意图，解决语义歧义（例如：判断关节类型是旋转的合页还是滑动的抽屉）。

几何回归：团队设计了专用的 KPP-Net (Kinematics Prediction Network) 。不同于通用的点云编码器，KPP-Net采用了双流注意力机制，专门用于从 Mesh 和拖拽信号中回归精准的关节轴和原点。

这种解耦设计使得核心生成网络不再需要「猜测」物体结构，而是直接基于预测出的运动学参数进行生成，大幅减轻了模型负担。

双四元数VAE

为了解决传统欧拉角（万向节死锁）或变换矩阵（参数冗余、不连续）的问题，团队引入了双四元数 (Dual Quaternions, DQ) 作为核心运动表征。

一个单位双四元数仅需8个参数，即可同时完美描述三维空间中的旋转和平移，且天然满足螺旋运动理论。

基于此，团队构建了DQ-VAE。

DQ-VAE training pipeline

非自回归Transformer解码器：摒弃了容易产生误差累积的自回归方式，采用并行解码，保证了长序列动作的连贯性 。

FiLM条件注入：将KPP-Net预测的关节先验通过FiLM (Feature-wise Linear Modulation) 层注入到Transformer的每一层中，确保生成的每一帧都严格「听从」物理约束。

物理修正模块：在解码器末端引入残差修正，进一步微调轨迹以消除微小的物理漂移，确保最终输出严格遵循物理法则 。

性能评测

算力暴降，精度暴涨

团队在GAPartNet和Objaverse数据集上进行了广泛的对比实验，结果显示DragMesh在各项指标上均实现了高效提升 。

效率：比SOTA提速10倍

性能对比，横轴为计算量 (GFLOPs)，气泡大小代表参数量。紫色气泡代表现有的通用模型（如DragAPart, PartRM），它们往往参数量巨大且计算昂贵 。DragMesh（左下角）的核心生成模块参数量仅为27.5M，GFLOPs 仅为5.2 。

相比MeshArt (304M Params, 1540 GFLOPs) 和DragAPart (1100M Params, 350 GFLOPs)，DragMesh的计算开销降低了5到10倍，且无需针对每个物体单独训练。

精度：几何误差降低一个数量级

在运动学预测的消融实验中，架构的优势尤为明显 ：

Baseline (PointNet)，轴预测误差高达450.0mrad

Ours (KPP-Net)，通过解耦设计与双流注意力机制，轴预测误差降至45.0mrad，原点预测误差仅为1.8mm

这意味着用户在拖拽柜门时，DragMesh预测的旋转轴偏差极小，几乎不会出现门板「飞出」或「歪斜」的现象。

物理一致性可视化

对比分析

在定性对比中，面对微波炉、折叠椅等物体时，

ArtGS / PartRM：因为流程复杂需要的前验内容较多，经常出现结构崩坏或无法识别的情况（图中标空缺部分）。

DragMesh：无论是平移（抽屉）还是旋转（门、翻盖），都能生成平滑、结构完整的运动轨迹，且严格保持了物体的刚性结构 。

总结与展望

开启通用物理交互新纪元

DragMesh的发布不仅仅是提出了一个新的模型，更重要的是验证了一条通往3D世界模型的极简路径 。

传统方法往往需要针对「旋转」和「平移」分别设计约束，而DragMesh采用的双四元数从数学底层上实现了刚体运动的「大一统」 。

根据沙勒定理，空间中任意刚体运动都可以描述为螺旋运动。这意味着 DragMesh 的核心架构天然具备描述世间万物复杂运动的能力。

无论是机械臂的复合扭转，还是更精密的螺旋传动，DragMesh 无需修改底层架构，即可将其纳入「语义-几何」的统一流形中。

得益于解耦设计与DQ-VAE的紧凑表征，DragMesh成功将物理交互带入实时时代，证明了我们不需要等待分钟级的物理模拟，也不需要忍受离线渲染的延迟。

在未来的元宇宙构建、机器人仿真以及数字孪生场景中，DragMesh这种「即拖即动、即动即真」的轻量化范式，将成为赋予静态资产「物理常识」的基础设施 。

未来，DragMesh将继续利用其在螺旋理论上的数学优势，向多关节级联及更复杂的动力学场景从容扩展，让AI真正理解物理世界的运行规律。

参考资料：

https://arxiv.org/abs/2512.06424

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！