用 Articraft 制作可动 3D 资产

如果你想做一个“能开合的台灯、能转动的风扇、能拉开的抽屉柜”，传统 3D 工作流通常意味着：建模、拆分部件、定义关节、反复调试、再导出到下游系统。
问题是，这类“可动对象”并不只是静态几何体，它们还需要语义化部件、合理结构，以及真正能运动的物理关节。

Articraft 想做的，是把这件事从“重手工制作”变成“由 LLM 驱动的程序化生成”。

1、当前文生3D的问题

过去几年，文生 3D 发展很快，但大多数系统更擅长生成“看起来像”的静态物体，而不是“真的能动、能编辑、能进入数据集”的 articulated 3D assets（关节化 3D 资产）。

这背后有几个现实问题：

• 静态生成不等于可动资产：一个模型看起来像台灯，不代表灯头能转、支臂能折叠。
• 人工流程太重：要把一个对象拆成语义部件、定义 joint、检查结构，仍然高度依赖人工 DCC 工具链。
• 难以规模化：做几个 demo 可以，做上千、上万条高质量、可追踪、可复用的数据很难。
• 缺少标准化产出：没有统一的记录、编译、检查、浏览和批量生成机制，数据很难沉淀为真正可用的数据集。

所以，行业真正需要的，不只是“生成一个 3D 物体”，而是生成一整套可扩展、可验证、可浏览、可批处理的 articulated asset workflow。

2、Articraft 的解决方案

Articraft 是一个面向大规模可动 3D 资产生成的智能体系统。它的核心思路不是直接吐出一个黑盒模型文件，而是让 LLM 进入一个代码生成工作流：

• 用户输入文本提示词，或附加参考图
• 系统驱动多轮生成流程
• LLM 产出对象的 model.py
• 编译器执行脚本并导出几何、URDF 等产物
• Viewer 用于可视化检查对象结构、关节和数据

这意味着，Articraft 生成的不是“不可解释的结果”，而是可追踪、可编辑、可复现的对象定义过程。

Articraft 的完整方案由几部分组成：

• 生成 Agent Runtime：负责多轮推理、工具调用、模型适配和生成 orchestration。
• Articulated Object SDK：为 LLM 提供统一的对象表达方式，让“部件、几何、关节、层级”成为一套可编程接口。
• Compiler / Materialization Pipeline：把生成脚本转成实际可用的 URDF、mesh 和可视化资产。
• Canonical Storage & Dataset Tooling：把每次生成沉淀为标准 record，支持数据集组织、批处理、恢复和追踪。
• Web Viewer：基于 FastAPI + React + Three.js，方便浏览生成结果、检查几何结构与关节行为。

更重要的是，Articraft 不是只服务于单次 demo。它从一开始就是为规模化数据集构建设计的：

• 支持 workbench 模式做快速探索
• 支持 CSV batch spec 做批量生成
• 支持 resume / recovery 做长任务恢复
• 支持 record fork 做基于已有对象的迭代编辑
• 支持多家模型提供商，包括 OpenAI、Gemini、Anthropic 和 OpenRouter

换句话说，Articraft 解决的不是“如何生成一个对象”，而是“如何把可动 3D 资产生产，做成一条真正可运营的流水线”。

3、Articraft 的应用场景

Articraft 的价值，主要体现在那些需要大量“结构正确、语义明确、可以运动”的 3D 对象的场景中：

机器人与 embodied AI
机器人不只需要看见椅子、柜子、台灯，还需要理解哪些部分能开、能拉、能转。Articraft 适合生成这类可交互对象数据。

仿真与物理环境构建
在 simulation 中，静态模型远远不够。Articraft 生成的 articulated assets 更适合进入可操作、可验证的仿真环境。

大规模 3D 数据集建设
如果目标是构建成千上万条可动对象记录，手工流程很难支撑。Articraft 的 batch、record、cache、viewer 机制正是为这种规模化生产设计的。

研究与原型开发
对研究者和开发者来说，Articraft 提供了一个从 prompt 到 asset、从单体实验到数据集沉淀的统一工作面。

4、结束语

Articraft 的意义，不在于“又一个文生 3D 工具”，而在于它把可动 3D 资产生成这件事，重新定义为一个可编程、可扩展、可追踪的系统工程。

当 3D 对象不仅要“长得像”，还要“能动、能管、能批量生产”时，Articraft 提供了一条更适合下一阶段研究和应用的路径。

如果你在做 3D 生成、机器人、仿真，或者正在搭建 articulated object dataset，现在就是一个很好的切入点。

汇智网编辑整理，转载请标明出处