Ren(@Ryrenz):🦴 普林斯顿、伯克利、MIT 和南洋理工的研究者刚开源了 UniMate，一个模型就能给两足、四足、鸟、蛇、昆虫这些完全不同的骨架生成动画。论文已经被 SIGGRAPH Asia 2026 接收，预印本编号 arXiv:2609.05415，配套还放出了一个叫 UniML3D 的数据集，13006 条带文本配对的动作序列，覆盖多种骨架拓扑。做非人形角色动画的人最清楚这里的苦：人形有海量动捕数据可用，一到蛇、鸟、昆虫或者带关节的刚体道具，就得每换一套骨架重新训一个模型，或者在推理时现场做一轮优化，时间全耗在这上面。 UniMate 的做法是把骨架拓扑本身统一进模型，换骨架不用重训、也不用测试时优化。训练用 flow matching，采样时上无分类器引导。更实用的是三件不用额外训练就能干的事：给定首尾补中间的动作、用一句文本去改已有动作、把一段动作往后接着扩出去。官网有交互式演示能在 3D 里直接看结果，Hugging Face 上也放了预览版权重，后续还会继续同步。有一点要先说清楚：代码是 MIT，但数据集仍受各自来源的许可约束，其中 Truebones 的动物动作是商业资产包、不允许再分发，要用得自己去 Truebones 买。骨架不一样就得从头来一遍的日子，大概要结束了。 GitHub：

2026.10.02 09:05

🦴 普林斯顿、伯克利、MIT 和南洋理工的研究者刚开源了 UniMate，一个模型就能给两足、四足、鸟、蛇、昆虫这些完全不同的骨架生成动画。论文已经被 SIGGRAPH Asia 2026 接收，预印本编号 arXiv:2609.05415，配套还放出了一个叫 UniML3D 的数据集，13006 条带文本配对的动作序列，覆盖多种骨架拓扑。做非人形角色动画的人最清楚这里的苦：人形有海量动捕数据可用，一到蛇、鸟、昆虫或者带关节的刚体道具，就得每换一套骨架重新训一个模型，或者在推理时现场做一轮优化，时间全耗在这上面。 UniMate 的做法是把骨架拓扑本身统一进模型，换骨架不用重训、也不用测试时优化。训练用 flow matching，采样时上无分类器引导。更实用的是三件不用额外训练就能干的事：给定首尾补中间的动作、用一句文本去改已有动作、把一段动作往后接着扩出去。官网有交互式演示能在 3D 里直接看结果，Hugging Face 上也放了预览版权重，后续还会继续同步。有一点要先说清楚：代码是 MIT，但数据集仍受各自来源的许可约束，其中 Truebones 的动物动作是商业资产包、不允许再分发，要用得自己去 Truebones 买。骨架不一样就得从头来一遍的日子，大概要结束了。 GitHub：