DyCraft: un sistema agentico per la generazione di scene 4D su orizzonti temporali lunghi

Abstract degli autori

Sebbene gli agenti di programmazione all’avanguardia siano in grado di generare scene 3D e asset articolati di alta qualità, faticano a creare animazioni coerenti su orizzonti temporali lunghi. Quando vengono dotati di strumenti di orchestrazione generici, producono spesso risultati fisicamente implausibili, con oggetti che si compenetrano, non sono sostenuti fisicamente o si muovono in modo innaturale. Questi agenti, nella loro forma essenziale, faticano a correggere tali errori perché tendono a programmare l’intera animazione in un solo passaggio, rendendo difficile verificare il loro lavoro e districare i complessi vincoli spazio-temporali. Ispirandoci alla pratica degli animatori umani, presentiamo DyCraft, un sistema per la generazione di scene 3D animate che scompone l’animazione in passaggi che gli agenti di programmazione possono risolvere con maggiore affidabilità. DyCraft amplia innanzitutto il prompt dell’utente trasformandolo in un piano dettagliato e crea una scena statica. Realizza poi uno storyboard 3D con le pose chiave dell’animazione, in cui ogni fotogramma è una scena 3D statica che l’agente può costruire e sottoporre a debug in isolamento. Lo storyboard scompone il problema in coppie di stati iniziali e finali verificati, consentendo all’agente di definire movimenti locali tra l’uno e l’altro con una serie di strumenti per la creazione del movimento. Valutiamo DyCraft su 24 attività di animazione a lungo orizzonte e con più inquadrature, che comprendono robot umanoidi, personaggi umani e animali e meccanismi fisici. Rispetto a un agente GPT-6 nativo in Codex e ai precedenti sistemi agentici di riferimento, DyCraft riduce notevolmente le violazioni dei vincoli fisici e genera scene 3D animate di qualità superiore, che i valutatori umani preferiscono più spesso.