Maison
PhiZero est un pionnier du langage physique, permettant aux modèles du monde de l'IA de penser comme des humains
Dans le contexte actuel des grands modèles, la génération de vidéos est de plus en plus considérée comme le simulateur fondamental de l’intelligence incarnée. Pourtant, la plupart des approches courantes reposent sur une prédiction directe dans l’espace des pixels, ce qui se traduit souvent par des lois physiques instables ou incohérentes. Pour relever ce défi majeur du secteur, notre équipe de recherche a officiellement présenté PhiZero , un nouveau modèle du monde physique. Allant au-delà de la prédiction aveugle traditionnelle, PhiZero intègre de manière innovante un « langage physique », permettant ainsi à l’IA de mener un raisonnement physique explicite avant la génération de la vidéo.
Au cœur de PhiZero se trouve une représentation discrète appelée « langage physique ». Grâce à un apprentissage auto-supervisé sur de vastes ensembles de données vidéo en extérieur, ce langage extrait des modèles de transition d’états, capturant ainsi les règles d’évolution dynamique dans divers contextes visuels. S’appuyant sur ce principe, le modèle adopte une architecture « raisonnement d’abord, rendu ensuite » : il déduit d’abord de manière autonome les trajectoires d’évolution futures du monde au sein de l’espace du langage physique, puis les transmet à un décodeur de diffusion spécialisé pour la synthèse vidéo haute définition. Cette séparation entre la simulation des dynamiques sous-jacentes et la synthèse au niveau des pixels améliore considérablement la cohérence physique.

Techniquement, le système comprend deux modules clés : un tokeniseur et un raisonneur. Le tokeniseur de langage physique utilise un Q-Former au niveau des transitions pour capturer les changements entre des états adjacents, générant des symboles discrets compacts via une quantification scalaire limitée. Le décodeur de diffusion reconstitue ensuite des images détaillées à partir de l’image initiale et de ces symboles discrets. De son côté, le raisonneur de langage physique, initialisé avec un modèle vision-langage pré-entraîné, prédit avec précision les séquences futures de langage physique à partir de la première image et d’intentions d’action formulées sous forme de texte.

Des évaluations comparatives confirment que PhiZero atteint des performances de pointe dans de nombreux tests de raisonnement physique et de génération vidéo, notamment Physics-IQ Verified, PhyGround et WorldModelBench. Qu'il s'agisse de gérer le déplacement d'objets suite à des collisions, des déformations dues à la gravité ou des réactions en chaîne complexes, le modèle fait preuve d'une plausibilité physique très réaliste.
Alors que l’intelligence incarnée et la robotique progressent à grands pas, le lancement de PhiZero ouvre une nouvelle voie pour la modélisation contrôlable et interactive du monde. Il est appelé à jouer un rôle central dans les scénarios de simulation à long terme et de transfert de mouvement.
Article connexe
Suno appose des filigranes aux chansons dans le cadre de batailles juridiques
Suno, la plateforme permettant aux utilisateurs de générer de la musique créée par l’intelligence artificielle, a dévoilé de nouvelles fonctionnalités pour étiqueter les titres produits sur la plateforme, restreindre les téléchargements et mettre à j
Musk admet que la construction de Grok a divulgué le code utilisateur, promet d’effacer toutes les données historiques
Elon Musk a abordé directement la controverse sur la vie privée concernant Grok Build, en commençant par un simple « Vrai » pour confirmer la validité de l’incident. Il s’est engagé à ce que toutes les données utilisateur précédemment téléchargées su
Les actions américaines atteignent un jalon historique alors que les géants de l'IA et de l'aérospatiale se préparent pour leur entrée boursière à la valeur du trillion de dollars.
Elon Musk, Sam Altman et Dario Amodei, trois titans du secteur technologique, s’approchent des introductions en bourse de leurs entreprises respectives. Avec SpaceX, OpenAI et Anthropic – trois géants de l’industrie dont les valorisations approchent
Recommandations de sujets spéciaux liés
commentaires (0)
Dans le contexte actuel des grands modèles, la génération de vidéos est de plus en plus considérée comme le simulateur fondamental de l’intelligence incarnée. Pourtant, la plupart des approches courantes reposent sur une prédiction directe dans l’espace des pixels, ce qui se traduit souvent par des lois physiques instables ou incohérentes. Pour relever ce défi majeur du secteur, notre équipe de recherche a officiellement présenté
Au cœur de

Techniquement, le système comprend deux modules clés : un tokeniseur et un raisonneur. Le tokeniseur de langage physique utilise un Q-Former au niveau des transitions pour capturer les changements entre des états adjacents, générant des symboles discrets compacts via une quantification scalaire limitée. Le décodeur de diffusion reconstitue ensuite des images détaillées à partir de l’image initiale et de ces symboles discrets. De son côté, le raisonneur de langage physique, initialisé avec un modèle vision-langage pré-entraîné, prédit avec précision les séquences futures de langage physique à partir de la première image et d’intentions d’action formulées sous forme de texte.

Des évaluations comparatives confirment que
Alors que l’intelligence incarnée et la robotique progressent à grands pas, le lancement de
Suno appose des filigranes aux chansons dans le cadre de batailles juridiques
Suno, la plateforme permettant aux utilisateurs de générer de la musique créée par l’intelligence artificielle, a dévoilé de nouvelles fonctionnalités pour étiqueter les titres produits sur la plateforme, restreindre les téléchargements et mettre à j
Musk admet que la construction de Grok a divulgué le code utilisateur, promet d’effacer toutes les données historiques
Elon Musk a abordé directement la controverse sur la vie privée concernant Grok Build, en commençant par un simple « Vrai » pour confirmer la validité de l’incident. Il s’est engagé à ce que toutes les données utilisateur précédemment téléchargées su
Les actions américaines atteignent un jalon historique alors que les géants de l'IA et de l'aérospatiale se préparent pour leur entrée boursière à la valeur du trillion de dollars.
Elon Musk, Sam Altman et Dario Amodei, trois titans du secteur technologique, s’approchent des introductions en bourse de leurs entreprises respectives. Avec SpaceX, OpenAI et Anthropic – trois géants de l’industrie dont les valorisations approchent











