知识卡片：FAMOS：从稀疏观测进行前馈式3D铰接建模

英文标题：FAMOS: Feed-Forward 3D Articulation Modeling from Sparse Observations

英文关键词（据摘要提取，非官方关键词列表）：feed-forward, 3D articulation modeling, sparse observations, partial point clouds, movable-part segmentation, joint parameters, Multi-state Articulation Transformer, observed articulation span objective, procedural data generator

一句话结论

FAMOS 是一个前馈模型，可从稀疏、无序的部分点云集合中预测可动部件分割与关节参数，并支持可变数量输入（包括单视图）；在 PartNet-Mobility、ACD、ArtiCraft-10K 上相较前馈与优化基线取得一致改进。

事件概述或研究问题

从稀疏单目视图建模铰接物体具有挑战性，因为每个观测只揭示部分几何和运动证据。多数前馈方法从单个观测推断铰接关系，因此严重依赖学习到的类别级形状先验。FAMOS 要解决的问题是：如何从稀疏、无序的部分点云集合中联合推理铰接结构，并支持可变数量输入，包括单视图。

方法/产品要点

• 输入与输出：输入是稀疏、无序的部分点云集合；输出是可动部件分割与关节参数。
• 多观测联合推理：模型联合推理多个观测，并自然支持可变数量输入，包括单视图。
• Multi-state Articulation Transformer：引入交替的 state-wise attention 与 global attention，用于跨观测聚合铰接线索。
• observed articulation span objective：监督每个部件在输入观测中表现出的运动范围，鼓励模型利用完整观测集。
• 程序化数据生成器：为克服现有数据集规模与多样性有限的问题，在训练期间合成自标注资产。
• 项目页：https://kevinqu7.github.io/famos

主要结果或产业意义

材料称，在 PartNet-Mobility、ACD 和 ArtiCraft-10K 上的实验显示，FAMOS 相较前馈与优化基线均有一致改进。摘要未给出具体定量指标、速度、计算成本或部署条件，这些内容待核实。

产业意义方面，摘要未直接展开。可确认的是，该工作面向从稀疏观测理解可动物体结构与运动参数；其在机器人、具身智能、3D 资产创建或仿真中的具体应用价值，待核实。

为什么重要

与既有相关卡片相比，本条不是继续讨论 3D 重建、3DGS 渲染或 PDE 发现，而是把“稀疏观测 + 前馈”推进到可动物体的关节参数与可动部件分割。增量信息在于：从单观测前馈推断扩展到多观测集合联合推理，支持可变输入数量，并引入运动跨度监督与程序化数据生成器。

其潜在重要性在于：如果模型确实能从少量、无序的部分观测中稳定恢复铰接结构，就可能减少对完整观测或大规模类别先验的依赖。不过这一判断需要全文实验与消融结果支持，待核实。

局限与不确定性

• 当前仅依据 arXiv 摘要与元数据，未核对全文、图表、附录与代码。
• 具体精度提升幅度、消融实验、失败案例、推理速度、显存占用、训练成本均未在材料中给出，待核实。
• 从单目视图到部分点云的获取流程、真实世界泛化能力、传感器噪声影响，待核实。
• 程序化数据生成器的资产类型、标注质量、sim-to-real 差距，待核实。
• 模型对关节类型、物体类别和运动范围的覆盖范围，待核实。
• 官方英文关键词未在来源材料中提供；上文关键词为据摘要提取，非官方列表。
• 来源元数据标注发布日期为 2026-09-17T17:59:40Z，日期与版本信息待核实。

可用于图书/PPT/简报的角度

• “从稀疏观测到可动物体理解：前馈式关节建模的新进展”
• “多观测 Transformer 如何聚合部分几何与运动线索”
• “观测到的运动跨度作为监督信号：observed articulation span objective”
• “程序化数据生成能否缓解 3D 铰接数据稀缺”
• “与单目视频 3D 重建、前馈 3DGS 卡片的关系：重建之后，进一步理解可动结构”
• “待核实清单：定量结果、真实泛化、计算成本、代码与数据开放状态”

原始材料

• 英文标题：FAMOS: Feed-Forward 3D Articulation Modeling from Sparse Observations
• arXiv ID：2609.20817v1
• Authors：Kevin Qu, Tao Sun, Massimiliano Viola, Liyuan Zhu, Zhizhuo Zhou, Sayan Deb Sarkar, Konrad Schindler, Iro Armeni
• Published / Updated：2026-09-17T17:59:40Z（按来源材料）
• Primary category：cs.CV
• Categories：cs.CV, cs.AI, cs.RO
• Abstract URL：https://arxiv.org/abs/2609.20817v1
• PDF URL：https://arxiv.org/pdf/2609.20817v1
• Project page：https://kevinqu7.github.io/famos
• 用户提供主题：foundation-model；Track：academic