**PhysLDM：首个基于潜空间扩散的高保真可变形仿真模型**

_PhysLDM: Latent Diffusion for High-Fidelity Deformable Simulation_

> PhysLDM 提出了一种统一的潜空间扩散范式，解决了高保真可变形物体神经仿真中的长程预测难题。该模型通过构建全时空 VAE 实现约 78 倍的 Token 压缩，并在米级场景中达到 2.48 毫米的重建精度。研究证实，面对混沌的变形动力学，扩散模型比确定性回归更能生成符合物理规律的轨迹。PhysLDM 仅需运动学训练即可实现零样本泛化，并支持可微分性以解决逆问题与设计优化。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.07609)