研究团队提出了PhysX-Anything框架，能够基于单张图像生成高质量的3D仿真资产，保留物理属性和关节结构，显著提高3D生成效率，推动机器人和具身智能的发展。

南洋理工大学与商汤合作推出PhysXNet，这是首个系统性标注的物理3D数据集，包含26,000个3D物体及其物理属性。该数据集填补了3D生成中物理属性的空白，并提出PhysXGen框架，实现从图像到3D资产的生成，推动3D资产在多个领域的应用。

本研究提出GaussianProperty框架，结合SAM的分割能力与GPT-4V的识别能力，解决视觉数据中物理属性估计不足的问题，具有重要应用价值。

本研究提出了一种新方法，将去噪扩散概率模型与红移结合，生成逼真的星系图像，编码星系演化中的物理属性变化，深化了对宇宙现象的理解。

本研究利用可微物理引擎在视频表示网络中学习物理潜在表示，采用监督与自监督学习方法，展示了从视频中识别物理属性的能力，并比较了两种方法的准确性。

本研究提出了三角补丁框架，通过随机生成点组装三角形，并结合传统渲染技术，提升了逆渲染中场景物理属性的估计精度。实验结果表明，该方法在视觉质量和几何重建方面表现优异。

本研究采用半监督学习方式，通过感知力和学习示范，识别实物属性并生成所需运动。使用了力传感、示范学习、无监督数据和触觉表示编码器等关键技术。结果表明，该方法在未知海绵上成功识别物理属性并生成擦拭运动，优于其他方法。通过实际机器人硬件验证了模型生成的运动，并通过预训练触觉表示编码器提高了实验结果的泛化能力。

本文讨论了在The IR（Intermediate Representation）中设计SQL查询优化器的概念。它解释了查询优化器的概念以及为SQL设计不同IR的重要性。文章还涵盖了优化器中的设计模式，SQL IR中关系代数的表示以及关系和物理属性的推导。最后讨论了在The IR设计中使用本地和全局属性ID的优缺点。

本研究探讨了物理属性和背景特征对视频变换器在遮挡下的轨迹预测任务中的性能影响，并提出了一种基于通用视频变换器的网络 Video Occlusion Transformer (VOT)，在数据集中平均精度达到96%。研究发现物理属性和背景特征对模型性能有影响，大型变换器模型在单个任务中存在数据饱和点。