- 具身AI和机器人系统需要**可扩展(scalable)**、**多样化(diverse)** 且**物理真实(physically grounded)** 的3D内容用于模拟训练和真实世界部署
- 现有3D生成技术虽进步迅速，但具身应用的要求远超视觉真实感：物体需具备**运动学结构(kinematic structure)** 和**材料属性(material properties)**，场景需支持交互和任务执行
- 生成的内容必须弥合**模拟与现实(Sim-to-Real)** 的差距，当前缺乏系统性的综述来整合该领域的研究
- 将文献组织为**三个角色(three roles)**：**数据生成器(Data Generator)**、**模拟环境(Simulation Environments)**、**Sim2Real桥梁(Sim2Real Bridge)**
- 在数据生成器角色中，综述了**铰接物体(articulated)**、**物理真实(physically grounded)** 和**可变形(deformable)** 内容的生成方法
- 在模拟环境角色中，涵盖了**结构感知(structure-aware)**、**可控(controllable)** 和**智能体(agentic)** 场景生成技术
- 在Sim2Real桥梁角色中，讨论了**数字孪生重建(digital twin reconstruction)**、**数据增强(data augmentation)** 和**合成示范(synthetic demonstrations)** 方法
- **首次系统性综述(first comprehensive survey)**：专门面向具身AI的3D生成领域，提出统一的分类框架
- **角色划分创新**：将3D生成具身系统中的功能划分为数据生成器、模拟环境和Sim2Real桥梁三个互补角色
- **趋势识别**：指出领域正在从**视觉真实感(visual realism)** 转向**交互就绪(interaction readiness)**，这一转变具有重要指导意义
- **瓶颈分析**：识别出五个关键瓶颈——**物理标注有限(limited physical annotations)**、**几何质量与物理有效性差距(gap between geometric quality and physical validity)**、**评估碎片化(fragmented evaluation)** 和**持续的Sim2Real鸿沟(persistent sim-to-real divide)**
- 为具身AI和机器人模拟领域的3D生成研究提供了**结构化知识图谱(structured knowledge map)**，便于研究者快速定位相关工作
- 明确了领域的**发展瓶颈(bottlenecks)** 和**未解决问题(open problems)**，指导未来研究方向
- 通过组织不同角色下的生成技术，促进了**跨领域协作(cross-domain collaboration)**，加速从视觉生成到交互生成的范式转变
- 提供**项目页面(project page)** （https://3dgen4robot.github.io）作为开放资源，推动社区共享与复现