PhysMAS：以物理为依据的组合式4D高斯多Agent生成

高效、全自动且物理上合理的 4D 高斯合成是动态场景生成的重要目标。最近基于物理的方法将 3D 高斯与质点法 (MPM) 结合起来以生成物理驱动的运动，但将此范例扩展到异构多部分对象和交互多对象场景仍然具有挑战性。对象级物理分配将不同的部件折叠成单一材料状态，而来自大型语言模型、视觉语言模型或智能体的一次性预测既不能可靠地将不同材料绑定到已识别的部件，也不能验证生成的 MPM 配置是否可执行。与此同时，基于分数蒸馏采样 (SDS) 的参数优化需要重复的每个场景分数评估和梯度反向传播，从而导致冗长的优化，并可能产生次优或不稳定的解决方案。因此，我们提出了 PhysMAS，一个基于物理的多智能体框架。根据运动提示和四个场景视图，对象部分场景智能体建立持久身份并调用材质推理智能体以获取部分配置文件。它调用求解器感知技能将这些身份和配置文件绑定到每粒子 MPM 字段并执行共享域中的所有对象；然后该框架筛选候选的前向模拟结果。这支持异构多部分和交互多对象场景，而无需每个场景的扩散分数反向传播。大量实验表明，与最近依赖 SDS 的基于物理的 4D 高斯基线相比，PhysMAS 实现了更好的语义对齐和感知的物理合理性，同时需要更少的运行时间。