RigidFormer是一种以物体为中心的Transformer模型，用于学习无网格刚体动力学并支持可控积分步长。该模型在物体级别推理，通过紧凑锚点推进物体，利用锚点-顶点池化融入局部顶点特征，保留接触几何而无需密集顶点交互。基于锚点的RoPE将几何注入注意力机制，尊重物体与锚点的无序性，并通过可微Kabsch对齐将更新投影到刚体流形以保持刚性。在标准基准测试中，它使用点云输入优于或匹配基于网格的基线，运行更快，能泛化到未见点分辨率和跨数据集，可扩展至200多个物体。初步研究还展示了扩展到指令条件化铰接体的潜力。