尧图网站建设 
从斜杠命令到物理验证EmbodiedGen Skills 系统完整拆解【免费下载链接】EmbodiedGenTowards a Generative 3D World Engine for Embodied Intelligence项目地址: https://gitcode.com/gh_mirrors/em/EmbodiedGenEmbodiedGen是一个面向具身智能的生成式 3D 世界引擎能把文字、图片和编辑指令编译成可直接进仿真的 3D 世界。它的Skills技能系统是 V2 版本的核心卖点在 Claude Code 里敲一个/embodiedgen:xxx斜杠命令背后会路由到一组边界清晰、经过物理验证的技能调用——你只负责说话它负责产出能直接部署到 SAPIEN、Isaac Sim、MuJoCo 等仿真器的可运行世界状态。为什么要技能化一句话改场景但不能把世界改坏直接让大模型自由发挥去生成 3D 场景最大的风险是改一次、错一片。比如把台灯放到书柜上这种看似简单的指令需要同时满足三件事找对对象书柜在场景里的真实实例名是什么放得下去台灯的碰撞体不能和书柜、其他家具穿插碰撞感知放置状态可部署改完后的 URDF/USD 文件要能被仿真器原样加载。EmbodiedGen 的解法是把每个能力封装成一个技能Skill斜杠命令只是薄薄的一层适配器。每次调用都是有界的有明确的输入参数、输出约定和失败重试规则改错了也不会污染原始场景文件。Skills 系统三层架构Command → Skill → CLI整个系统可以拆成清晰的三层层级位置职责斜杠命令层embodied_gen/skills/claude_plugin/plugins/embodiedgen/commands/8 个/embodiedgen:*命令只做意图路由通用技能层embodied_gen/skills/下的各技能目录每个技能一份SKILL.md写清适用场景、参数模板、约束与重试策略CLI 执行层img3d-cli、layout-cli、sim-cli、room-cli等真正干活的可执行入口这种分层有个直接好处技能源文件是运行时无关的runtime-agnostic。通用的SKILL.md放在embodied_gen/skills/根目录Claude 专属的打包文件只放在embodied_gen/skills/claude_plugin/子目录里——未来换 Codex、Copilot 或其他 Agent 运行时技能可以原样复用。8 个斜杠命令一张表看懂命令作用路由到的技能/embodiedgen:gen_assets图片/文字生成 3D 资产img3d-cli、text3d-cli、texture-cliasset-creator/embodiedgen:gen_indoor生成房间或多房间房子room-cliroom-creator/embodiedgen:gen_bg生成 3DGS 背景场景scene3d-clibackground-creator/embodiedgen:gen_layout用任务描述合成可交互世界layout-clilayout-creator/embodiedgen:vibe3d自然语言增删物体、摆放与查询spatial-computing/embodiedgen:sim在 SAPIEN 中渲染布局sim-clisim-runner/embodiedgen:convert导出到 USD / MJCF / URDFasset-converter/embodiedgen:process缩放或旋转已有 URDF 资产asset-process命令的四步路由模式以 vibe3d 为例打开任何一个命令文件如embodied_gen/skills/claude_plugin/plugins/embodiedgen/commands/vibe3d.md你会发现它们都遵循同一个四步骨架解释请求使用斜杠命令携带的参数$ARGUMENTS为空则先反问用户补齐必要信息比如 URDF 路径、要放哪里加载技能显式调用skill: embodiedgen:spatial-computing让 Agent 先读技能的SKILL.md再动手执行工作流按技能文档选择正确的调用方式python -m embodied_gen.skills.spatial-computing.cli.main还是room-cli -m ...交付三件套返回实际执行的命令 输出文件路径 相关约束提醒。第 2 步是精髓——命令本身几乎不含逻辑逻辑全部沉淀在技能文档里。这保证了同一个技能在不同入口下行为一致也方便你直接阅读、甚至手动按SKILL.md操作。spatial-computing让把台灯放到书柜上物理上成立spatial-computing是最能体现物理验证的技能其入口文档是embodied_gen/skills/spatial-computing/SKILL.md。它支持从 URDF 解析室内场景、生成 2D 户型图并在场景中增删 3D 物体语义实例匹配你说把台灯放到书柜上它通过 LLM 把书柜解析成场景里真实的实例名如table_dining_7178300避免拿 URDF 里link name这种机器名硬套碰撞感知放置支持on_instance放到物体上方、beside_instance放到物体旁边的地面、in_room限定房间放置位置会自动避开穿插安全写文件首次编辑生成scene_updated.urdf后续编辑只覆盖这一个文件原始scene.urdf永远不动——连续编辑也不会堆积*_updated_updated.urdf垃圾文件保护性约束墙、地板等受保护对象禁止删除批量插入用 JSON 配置一次完成比逐条执行快 3~4 倍。一个典型的对话式工作流 /embodiedgen:gen_indoor Create a simple kitchen, seed 42 /embodiedgen:vibe3d Put a lamp on the bookshelf in the living room /embodiedgen:sim Render outputs/layouts_gen/task_0000/layout.json两条注意点也写进了技能文档更新 USD 文件必须走room-cli只有它运行在带bpy的 Blender Python 环境里而批量插入不支持模糊匹配、必须先--list_instances拿到精确名字。这些坑都提前变成了文档里的约束而不是你运行时踩到的报错。物理验证过到底验证了什么这是全文标题里最值得展开的问题。EmbodiedGen 的物理验证不是单点检查而是贯穿三层资产层生成的每个资产都带度量几何真实尺度、凸包碰撞代理以及由 VLM 推断的物理属性尺寸、质量、摩擦系数并用质量检查器打分、不达标自动重试。检查器实现位于embodied_gen/validators/quality_checkers.py含网格几何检查、语义一致性检查、美学检查等十余个Checker美学评估器在embodied_gen/validators/aesthetic_predictor.py场景编辑层就是上一节讲的碰撞感知放置、实例精确匹配与文件安全策略仿真闭环层编辑完的世界可以用/embodiedgen:sim直接进 SAPIEN 渲染验证或者用/embodiedgen:convert导出 USD / MJCF / URDF在 Isaac Sim、MuJoCo、Genesis、PyBullet 等仿真器中加载——同一个世界几何、碰撞、物理表现保持一致。最终效果是有数据支撑的策略完全在 EmbodiedGen 生成的世界里训练迁移到真实机器人后任务成功率从 21.7% 提升到 75.0%。换句话说物理验证过的技能调用不是一句口号而是整条管线能跑通 sim-to-real 的前提。快速上手一条命令装好 Skills 插件整个 Skills 系统的安装只有一条命令需要本机已装好 Claude Codegit clone https://gitcode.com/gh_mirrors/em/EmbodiedGen cd EmbodiedGen bash install/install_agent_plugin.sh脚本会注册本地市场embodiedgen-local并把embodiedgen插件安装进 Claude Code。装完之后8 个斜杠命令即刻可用配合前文四步路由工作流就能开始对话式建模了。小结一张图记住 Skills 系统命令是入口/embodiedgen:*只做意图识别与参数补齐技能是契约每个SKILL.md定义适用场景、命令模板、约束和失败重试策略是人和 Agent 共读的操作手册CLI 是执行img3d-cli/layout-cli/sim-cli/room-cli等真正产出文件物理验证是底线资产级质量检查 场景级碰撞感知放置 仿真级可部署验证确保每次斜杠一下之后的世界状态依然可仿真。想继续深入可以按这个路径阅读源码技能总览在embodied_gen/skills/各技能文档入口见docs/documentation/api/skills.md完整的对话式编辑教程见docs/documentation/tutorials/vibe_coding.md。【免费下载链接】EmbodiedGenTowards a Generative 3D World Engine for Embodied Intelligence项目地址: https://gitcode.com/gh_mirrors/em/EmbodiedGen创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 从斜杠命令到物理验证：EmbodiedGen Skills 系统完整拆解
从斜杠命令到物理验证EmbodiedGen Skills 系统完整拆解【免费下载链接】EmbodiedGenTowards a Generative 3D World Engine for Embodied Intelligence项目地址: https://gitcode.com/gh_mirrors/em/EmbodiedGenEmbodiedGen是一个面向具身智能的生成式 3D 世界引擎能把文字、图片和编辑指令编译成可直接进仿真的 3D 世界。它的Skills技能系统是 V2 版本的核心卖点在 Claude Code 里敲一个/embodiedgen:xxx斜杠命令背后会路由到一组边界清晰、经过物理验证的技能调用——你只负责说话它负责产出能直接部署到 SAPIEN、Isaac Sim、MuJoCo 等仿真器的可运行世界状态。为什么要技能化一句话改场景但不能把世界改坏直接让大模型自由发挥去生成 3D 场景最大的风险是改一次、错一片。比如把台灯放到书柜上这种看似简单的指令需要同时满足三件事找对对象书柜在场景里的真实实例名是什么放得下去台灯的碰撞体不能和书柜、其他家具穿插碰撞感知放置状态可部署改完后的 URDF/USD 文件要能被仿真器原样加载。EmbodiedGen 的解法是把每个能力封装成一个技能Skill斜杠命令只是薄薄的一层适配器。每次调用都是有界的有明确的输入参数、输出约定和失败重试规则改错了也不会污染原始场景文件。Skills 系统三层架构Command → Skill → CLI整个系统可以拆成清晰的三层层级位置职责斜杠命令层embodied_gen/skills/claude_plugin/plugins/embodiedgen/commands/8 个/embodiedgen:*命令只做意图路由通用技能层embodied_gen/skills/下的各技能目录每个技能一份SKILL.md写清适用场景、参数模板、约束与重试策略CLI 执行层img3d-cli、layout-cli、sim-cli、room-cli等真正干活的可执行入口这种分层有个直接好处技能源文件是运行时无关的runtime-agnostic。通用的SKILL.md放在embodied_gen/skills/根目录Claude 专属的打包文件只放在embodied_gen/skills/claude_plugin/子目录里——未来换 Codex、Copilot 或其他 Agent 运行时技能可以原样复用。8 个斜杠命令一张表看懂命令作用路由到的技能/embodiedgen:gen_assets图片/文字生成 3D 资产img3d-cli、text3d-cli、texture-cliasset-creator/embodiedgen:gen_indoor生成房间或多房间房子room-cliroom-creator/embodiedgen:gen_bg生成 3DGS 背景场景scene3d-clibackground-creator/embodiedgen:gen_layout用任务描述合成可交互世界layout-clilayout-creator/embodiedgen:vibe3d自然语言增删物体、摆放与查询spatial-computing/embodiedgen:sim在 SAPIEN 中渲染布局sim-clisim-runner/embodiedgen:convert导出到 USD / MJCF / URDFasset-converter/embodiedgen:process缩放或旋转已有 URDF 资产asset-process命令的四步路由模式以 vibe3d 为例打开任何一个命令文件如embodied_gen/skills/claude_plugin/plugins/embodiedgen/commands/vibe3d.md你会发现它们都遵循同一个四步骨架解释请求使用斜杠命令携带的参数$ARGUMENTS为空则先反问用户补齐必要信息比如 URDF 路径、要放哪里加载技能显式调用skill: embodiedgen:spatial-computing让 Agent 先读技能的SKILL.md再动手执行工作流按技能文档选择正确的调用方式python -m embodied_gen.skills.spatial-computing.cli.main还是room-cli -m ...交付三件套返回实际执行的命令 输出文件路径 相关约束提醒。第 2 步是精髓——命令本身几乎不含逻辑逻辑全部沉淀在技能文档里。这保证了同一个技能在不同入口下行为一致也方便你直接阅读、甚至手动按SKILL.md操作。spatial-computing让把台灯放到书柜上物理上成立spatial-computing是最能体现物理验证的技能其入口文档是embodied_gen/skills/spatial-computing/SKILL.md。它支持从 URDF 解析室内场景、生成 2D 户型图并在场景中增删 3D 物体语义实例匹配你说把台灯放到书柜上它通过 LLM 把书柜解析成场景里真实的实例名如table_dining_7178300避免拿 URDF 里link name这种机器名硬套碰撞感知放置支持on_instance放到物体上方、beside_instance放到物体旁边的地面、in_room限定房间放置位置会自动避开穿插安全写文件首次编辑生成scene_updated.urdf后续编辑只覆盖这一个文件原始scene.urdf永远不动——连续编辑也不会堆积*_updated_updated.urdf垃圾文件保护性约束墙、地板等受保护对象禁止删除批量插入用 JSON 配置一次完成比逐条执行快 3~4 倍。一个典型的对话式工作流 /embodiedgen:gen_indoor Create a simple kitchen, seed 42 /embodiedgen:vibe3d Put a lamp on the bookshelf in the living room /embodiedgen:sim Render outputs/layouts_gen/task_0000/layout.json两条注意点也写进了技能文档更新 USD 文件必须走room-cli只有它运行在带bpy的 Blender Python 环境里而批量插入不支持模糊匹配、必须先--list_instances拿到精确名字。这些坑都提前变成了文档里的约束而不是你运行时踩到的报错。物理验证过到底验证了什么这是全文标题里最值得展开的问题。EmbodiedGen 的物理验证不是单点检查而是贯穿三层资产层生成的每个资产都带度量几何真实尺度、凸包碰撞代理以及由 VLM 推断的物理属性尺寸、质量、摩擦系数并用质量检查器打分、不达标自动重试。检查器实现位于embodied_gen/validators/quality_checkers.py含网格几何检查、语义一致性检查、美学检查等十余个Checker美学评估器在embodied_gen/validators/aesthetic_predictor.py场景编辑层就是上一节讲的碰撞感知放置、实例精确匹配与文件安全策略仿真闭环层编辑完的世界可以用/embodiedgen:sim直接进 SAPIEN 渲染验证或者用/embodiedgen:convert导出 USD / MJCF / URDF在 Isaac Sim、MuJoCo、Genesis、PyBullet 等仿真器中加载——同一个世界几何、碰撞、物理表现保持一致。最终效果是有数据支撑的策略完全在 EmbodiedGen 生成的世界里训练迁移到真实机器人后任务成功率从 21.7% 提升到 75.0%。换句话说物理验证过的技能调用不是一句口号而是整条管线能跑通 sim-to-real 的前提。快速上手一条命令装好 Skills 插件整个 Skills 系统的安装只有一条命令需要本机已装好 Claude Codegit clone https://gitcode.com/gh_mirrors/em/EmbodiedGen cd EmbodiedGen bash install/install_agent_plugin.sh脚本会注册本地市场embodiedgen-local并把embodiedgen插件安装进 Claude Code。装完之后8 个斜杠命令即刻可用配合前文四步路由工作流就能开始对话式建模了。小结一张图记住 Skills 系统命令是入口/embodiedgen:*只做意图识别与参数补齐技能是契约每个SKILL.md定义适用场景、命令模板、约束和失败重试策略是人和 Agent 共读的操作手册CLI 是执行img3d-cli/layout-cli/sim-cli/room-cli等真正产出文件物理验证是底线资产级质量检查 场景级碰撞感知放置 仿真级可部署验证确保每次斜杠一下之后的世界状态依然可仿真。想继续深入可以按这个路径阅读源码技能总览在embodied_gen/skills/各技能文档入口见docs/documentation/api/skills.md完整的对话式编辑教程见docs/documentation/tutorials/vibe_coding.md。【免费下载链接】EmbodiedGenTowards a Generative 3D World Engine for Embodied Intelligence项目地址: https://gitcode.com/gh_mirrors/em/EmbodiedGen创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考