PhiZero 开创了“物理语言”领域,使人工智能世界模型能够像人类一样思考
在当今大型模型盛行的背景下,视频生成越来越被视为具身智能的基础模拟器。然而,大多数主流方法依赖于直接的像素空间预测,这往往导致物理定律不稳定或不一致。为解决这一关键的行业挑战,我们的研究团队正式推出了PhiZero ——一种全新的物理世界模型。 PhiZero 突破了传统的盲预测模式,创新性地融入了“物理语言”,使人工智能能够在视频生成之前进行显式的物理推理。
PhiZero 的核心在于引入了一种名为“物理语言”的离散表示。通过在海量户外视频数据集上进行自监督学习,该语言能够提取状态转换模式,从而捕捉不同视觉场景下的动态演化规律。 基于此,该模型采用“先推理、后渲染”的架构:首先在物理语言空间内自主推断未来世界演化轨迹,随后将这些轨迹传递给专门的扩散解码器,以实现高清视频合成。这种将底层动力学模拟与像素级合成分离的做法,显著提升了物理一致性。

从技术角度看,该系统由两个关键模块组成:分词器和推理器。物理语言分词器采用过渡级 Q-Former 来捕捉相邻状态之间的变化,并通过有限的标量量化生成紧凑的离散符号。随后,扩散解码器基于初始帧和这些离散符号重建出详细的视觉图像。 与此同时,物理语言推理器以预训练的视觉-语言模型为初始化基础,能够根据首帧和基于文本的动作意图,准确预测未来的物理语言序列。

基准测试结果证实,PhiZero 在多项物理推理和视频生成测试中均达到了最先进水平,包括 Physics-IQ Verified、PhyGround 和 WorldModelBench。无论是处理碰撞引起的物体位移、重力驱动的变形,还是复杂的连锁反应,该模型都展现出了高度逼真的物理合理性。
随着具身智能和机器人技术的加速发展,PhiZero的 发布为可控、交互式的世界建模开辟了一条新路径。它有望在长期模拟和运动转移场景中发挥关键作用。
相关文章
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
Google 测试 Remy AI 代理,以 Gemini 为重点转向用户控制
根据《商业内幕》的报道,谷歌正在测试 Remy,这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务,从而简化专业工作流程和日常事务。目前,Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”,将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实,谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
相关专题推荐
评论 (0)
0/500
在当今大型模型盛行的背景下,视频生成越来越被视为具身智能的基础模拟器。然而,大多数主流方法依赖于直接的像素空间预测,这往往导致物理定律不稳定或不一致。为解决这一关键的行业挑战,我们的研究团队正式推出了

从技术角度看,该系统由两个关键模块组成:分词器和推理器。物理语言分词器采用过渡级 Q-Former 来捕捉相邻状态之间的变化,并通过有限的标量量化生成紧凑的离散符号。随后,扩散解码器基于初始帧和这些离散符号重建出详细的视觉图像。 与此同时,物理语言推理器以预训练的视觉-语言模型为初始化基础,能够根据首帧和基于文本的动作意图,准确预测未来的物理语言序列。

基准测试结果证实
随着具身智能和机器人技术的加速发展,
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work





首页






