Heim
PhiZero leistet Pionierarbeit im Bereich der physikalischen Sprache und ermöglicht es KI-Weltmodellen, wie Menschen zu denken
In der heutigen Landschaft großer Modelle wird die Videogenerierung zunehmend als grundlegender Simulator für verkörperte Intelligenz angesehen. Die meisten gängigen Ansätze stützen sich jedoch auf direkte Vorhersagen im Pixelraum, was häufig zu instabilen oder inkonsistenten physikalischen Gesetzen führt. Um diese entscheidende Herausforderung der Branche zu lösen, hat unser Forschungsteam offiziell PhiZero vorgestellt, ein neues Modell der physikalischen Welt. PhiZero geht über die traditionelle blinde Vorhersage hinaus und integriert auf innovative Weise eine „physikalische Sprache“, die es der KI ermöglicht, vor der Videogenerierung explizite physikalische Schlussfolgerungen zu ziehen.
Im Kern führt PhiZero eine diskrete Darstellung ein, die als „physikalische Sprache“ bezeichnet wird. Durch selbstüberwachtes Lernen anhand umfangreicher Videodatensätze aus Außenbereichen extrahiert diese Sprache Zustandsübergangsmuster und erfasst so dynamische Entwicklungsregeln in vielfältigen visuellen Kontexten. Darauf aufbauend nutzt das Modell eine Architektur nach dem Prinzip „zuerst Schlussfolgerung, dann Rendering“: Es leitet zunächst autonom zukünftige Entwicklungsverläufe der Welt innerhalb des Raums der physikalischen Sprache ab und leitet diese dann an einen spezialisierten Diffusionsdecoder zur hochauflösenden Videosynthese weiter. Diese Trennung der zugrunde liegenden Dynamiksimulation von der Synthese auf Pixelebene verbessert die physikalische Konsistenz erheblich.

Technisch gesehen besteht das System aus zwei Schlüsselmodulen: einem Tokenizer und einem Reasoner. Der physikalische Sprach-Tokenizer verwendet einen Q-Former auf Übergangsebene, um Veränderungen zwischen benachbarten Zuständen zu erfassen, und generiert dabei kompakte diskrete Symbole mittels begrenzter skalarer Quantisierung. Der Diffusionsdecoder rekonstruiert anschließend detaillierte Bildinhalte auf der Grundlage des Anfangsframes und dieser diskreten Symbole. Der Reasoner für die physikalische Sprache, der mit einem vortrainierten Vision-Language-Modell initialisiert wird, sagt unter Berücksichtigung des ersten Bildes und textbasierter Aktionsabsichten zukünftige Sequenzen der physikalischen Sprache präzise voraus.

Benchmark-Auswertungen bestätigen, dass PhiZero in zahlreichen Tests zur physikalischen Schlussfolgerung und Videogenerierung, darunter Physics-IQ Verified, PhyGround und WorldModelBench, eine Leistung auf dem neuesten Stand der Technik erzielt. Ob es um die Verschiebung von Objekten durch Kollisionen, schwerkraftbedingte Verformungen oder komplexe Kettenreaktionen geht – das Modell weist eine äußerst realistische physikalische Plausibilität auf.
Angesichts der rasanten Entwicklung in den Bereichen verkörperte Intelligenz und Robotik ebnet die Veröffentlichung von PhiZero einen neuen Weg für die steuerbare, interaktive Weltmodellierung. Es ist dazu bestimmt, eine zentrale Rolle in Szenarien der Langzeitsimulation und Bewegungsübertragung zu spielen.
Verwandter Artikel
Suno fügt Wasserzeichen in Songs ein, während Rechtsstreitigkeiten andauern
Suno, die Plattform, die es Nutzern ermöglicht, KI-generierte Musik zu erstellen, hat neue Funktionen vorgestellt, um plattformproduzierte Tracks zu kennzeichnen, Downloads einzuschränken und die Community-Richtlinien zu aktualisieren, um unbefugte K
Musk räumt ein, dass Grok-Build Benutzercode geleakt hat, verspricht aber, alle historischen Daten zu löschen
Elon Musk wandte sich direkt an die Datenschutzkontroverse um Grok Build, beginnend mit einem einfachen „True“, um die Gültigkeit des Vorfalls zu bestätigen. Er versprach, dass alle zuvor bei SpaceXAI hochgeladenen Benutzerdaten unwiderruflich gelösc
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
In der heutigen Landschaft großer Modelle wird die Videogenerierung zunehmend als grundlegender Simulator für verkörperte Intelligenz angesehen. Die meisten gängigen Ansätze stützen sich jedoch auf direkte Vorhersagen im Pixelraum, was häufig zu instabilen oder inkonsistenten physikalischen Gesetzen führt. Um diese entscheidende Herausforderung der Branche zu lösen, hat unser Forschungsteam offiziell
Im Kern führt

Technisch gesehen besteht das System aus zwei Schlüsselmodulen: einem Tokenizer und einem Reasoner. Der physikalische Sprach-Tokenizer verwendet einen Q-Former auf Übergangsebene, um Veränderungen zwischen benachbarten Zuständen zu erfassen, und generiert dabei kompakte diskrete Symbole mittels begrenzter skalarer Quantisierung. Der Diffusionsdecoder rekonstruiert anschließend detaillierte Bildinhalte auf der Grundlage des Anfangsframes und dieser diskreten Symbole. Der Reasoner für die physikalische Sprache, der mit einem vortrainierten Vision-Language-Modell initialisiert wird, sagt unter Berücksichtigung des ersten Bildes und textbasierter Aktionsabsichten zukünftige Sequenzen der physikalischen Sprache präzise voraus.

Benchmark-Auswertungen bestätigen, dass
Angesichts der rasanten Entwicklung in den Bereichen verkörperte Intelligenz und Robotik ebnet die Veröffentlichung von
Suno fügt Wasserzeichen in Songs ein, während Rechtsstreitigkeiten andauern
Suno, die Plattform, die es Nutzern ermöglicht, KI-generierte Musik zu erstellen, hat neue Funktionen vorgestellt, um plattformproduzierte Tracks zu kennzeichnen, Downloads einzuschränken und die Community-Richtlinien zu aktualisieren, um unbefugte K
Musk räumt ein, dass Grok-Build Benutzercode geleakt hat, verspricht aber, alle historischen Daten zu löschen
Elon Musk wandte sich direkt an die Datenschutzkontroverse um Grok Build, beginnend mit einem einfachen „True“, um die Gültigkeit des Vorfalls zu bestätigen. Er versprach, dass alle zuvor bei SpaceXAI hochgeladenen Benutzerdaten unwiderruflich gelösc
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek











