DyCraft用分镜拆解长时程4D动画，降低物理违规率

事件核心：发生了什么

论文显示，前沿编码智能体已能生成质量不错的静态3D场景和关节资产，但处理长时程动画时容易产出物体相互穿透、缺少支撑或运动不自然的画面；而且它们倾向一次性写完整段脚本，难以定位错误。DyCraft 借用动画师“姿态到姿态”的做法：先将用户稀疏指令扩写为场景与运动两份任务说明，构建静态场景，再生成由关键姿态组成的3D分镜，每个状态可独立检查；随后用运动工具在已校验的起止状态之间编写局部动作，并加入人形运动、抓取等领域提示与数值校验器。

为什么重要

当前AI视频与3D生成多聚焦短片段和视觉观感，长时程、多镜头场景中的物理一致性仍是短板。DyCraft 的价值在于把复杂时空约束拆成可验证的中间状态，让智能体的推理和修复落在局部，而不是依赖一次成型的“黑盒脚本”。这为4D场景生成提供了一条工程化路线，也说明在Codex等智能体框架内，围绕工具链与验证器的系统设计可能比单次模型生成更关键。

对用户/开发者/创作者的影响

目前公开信息显示，作者在24个长时程多镜头任务上测试，覆盖人形机器人、人形与动物角色、物理机制各8项，并与Codex中的原生GPT-6智能体及VIGA基线比较，报告物理违规更少、人类评审偏好更高。不过评测共用同一模型与任务，结论指向整套系统而非单独验证分镜环节。对开发者而言，可关注其CAD建模、Blender仿真与数值校验器的组合方式；对创作者，这类流程若产品化，可能更适合需要精确空间关系的动画预演，而非替代艺术创作。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是论文所述流程能否落地为可用工具或API，并公开代码；二是分镜方案在更长镜头、更多角色交互任务上的稳定性；三是CAD与Blender混合管线对算力和人工干预的依赖是否可接受。目前结论仅基于论文摘要与项目页信息，尚不代表已上线产品。

来源：alphaXiv