PhiZero 開創了「物理語言」,使人工智慧的世界模型能夠像人類一樣思考
在當今大型模型的格局中,影片生成日益被視為具身智慧的基礎模擬器。然而,大多數主流方法依賴於直接的像素空間預測,這往往導致物理定律不穩定或不一致。為解決這項關鍵的產業挑戰,我們的研究團隊正式推出了 PhiZero ——一個嶄新的物理世界模型。 PhiZero 突破了傳統的盲預測框架,創新性地融入「物理語言」,使人工智慧能在影片生成之前進行明確的物理推理。
PhiZero 的核心在於引入了一種稱為「物理語言」的離散表示法。透過在龐大的戶外影片資料集上進行自監督學習,這種語言能提取狀態轉換模式,並捕捉跨多種視覺情境的動態演化規則。 藉此,該模型採用「先推理、後渲染」的架構:首先在物理語言空間內自主推斷未來世界演化軌跡,隨後將其傳遞給專用的擴散解碼器以進行高解析度影片合成。這種將底層動態模擬與像素級合成分離的做法,顯著提升了物理一致性。

從技術層面來看,該系統由兩個關鍵模組組成:分詞器與推理器。物理語言分詞器採用過渡層級的 Q-Former,用以捕捉相鄰狀態之間的變化,並透過有限的標量量化生成緊湊的離散符號。隨後,擴散解碼器會根據初始幀與這些離散符號,重建詳細的視覺影像。 與此同時,物理語言推理器以預訓練的視覺語言模型為初始化基礎,能根據首幀影像及基於文字的動作意圖,精確預測未來的物理語言序列。

基準測試結果證實,PhiZero 在多項物理推理與影片生成測試中均達到最先進水準,包括 Physics-IQ Verified、PhyGround 及 WorldModelBench。無論是處理碰撞引起的物體位移、重力驅動的變形,還是複雜的連鎖反應,該模型均展現出高度逼真的物理合理性。
隨著具身智能與機器人技術的加速發展,PhiZero 的問世為可控且互動的世界建模開闢了一條新路徑。它勢將在長期模擬與動作轉移情境中發揮關鍵作用。
相關文章
馬斯克承認 Grok 構建過程中洩露了使用者程式碼,並承諾清除所有歷史資料
埃隆·馬斯克直接回應了圍繞 Grok Build 的隱私爭議,首先以簡單的“True”(屬實)確認了該事件的有效性。他承諾,此前上傳至 SpaceXAI 的所有使用者資料將被永久刪除,並表示“不留一個位元組”。這是人工智慧行業首次由主要科技領袖公開承認錯誤並主動刪除使用者資料。安全研究人員的“釣魚”測試揭示了資料洩露的具體證據此次爭議源於獨立人工智慧安全研究人員 @cereblab 的一份報告。SpaceXAI 推出的 AI 程式設計助手 Grok Build 在其官方網站上聲稱其“優先本地執行,程式碼
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
相關專題推薦
評論 (0)
0/500
在當今大型模型的格局中,影片生成日益被視為具身智慧的基礎模擬器。然而,大多數主流方法依賴於直接的像素空間預測,這往往導致物理定律不穩定或不一致。為解決這項關鍵的產業挑戰,我們的研究團隊正式推出了

從技術層面來看,該系統由兩個關鍵模組組成:分詞器與推理器。物理語言分詞器採用過渡層級的 Q-Former,用以捕捉相鄰狀態之間的變化,並透過有限的標量量化生成緊湊的離散符號。隨後,擴散解碼器會根據初始幀與這些離散符號,重建詳細的視覺影像。 與此同時,物理語言推理器以預訓練的視覺語言模型為初始化基礎,能根據首幀影像及基於文字的動作意圖,精確預測未來的物理語言序列。

基準測試結果證實
隨著具身智能與機器人技術的加速發展,
馬斯克承認 Grok 構建過程中洩露了使用者程式碼,並承諾清除所有歷史資料
埃隆·馬斯克直接回應了圍繞 Grok Build 的隱私爭議,首先以簡單的“True”(屬實)確認了該事件的有效性。他承諾,此前上傳至 SpaceXAI 的所有使用者資料將被永久刪除,並表示“不留一個位元組”。這是人工智慧行業首次由主要科技領袖公開承認錯誤並主動刪除使用者資料。安全研究人員的“釣魚”測試揭示了資料洩露的具體證據此次爭議源於獨立人工智慧安全研究人員 @cereblab 的一份報告。SpaceXAI 推出的 AI 程式設計助手 Grok Build 在其官方網站上聲稱其“優先本地執行,程式碼
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work





首頁






