Lar
A PhiZero é pioneira na linguagem física, permitindo que modelos do mundo baseados em IA pensem como seres humanos
No cenário atual dos grandes modelos, a geração de vídeo é cada vez mais vista como o simulador fundamental para a inteligência incorporada. No entanto, a maioria das abordagens convencionais depende da previsão direta no espaço de pixels, o que muitas vezes resulta em leis físicas instáveis ou inconsistentes. Para resolver esse desafio crítico do setor, nossa equipe de pesquisa apresentou oficialmente o PhiZero , um novo modelo do mundo físico. Indo além da previsão cega tradicional, o PhiZero incorpora de forma inovadora a “linguagem física”, capacitando a IA a realizar um raciocínio físico explícito antes da geração de vídeo.
Em sua essência, o PhiZero introduz uma representação discreta conhecida como “linguagem física”. Por meio do aprendizado auto-supervisionado em vastos conjuntos de dados de vídeos ao ar livre, essa linguagem extrai padrões de transição de estado, capturando regras de evolução dinâmica em diversos contextos visuais. Aproveitando isso, o modelo adota uma arquitetura do tipo “primeiro o raciocínio, depois a renderização”: ele primeiro infere de forma autônoma as trajetórias futuras de evolução do mundo dentro do espaço da linguagem física e, em seguida, repassa essas informações a um decodificador de difusão especializado para a síntese de vídeo em alta definição. Essa separação entre a simulação da dinâmica subjacente e a síntese no nível do pixel aumenta significativamente a consistência física.

Tecnicamente, o sistema é composto por dois módulos principais: um tokenizador e um razonador. O tokenizador da linguagem física emprega um Q-Former no nível de transição para capturar mudanças entre estados adjacentes, gerando símbolos discretos compactos por meio de quantização escalar limitada. O decodificador de difusão, então, reconstrói imagens detalhadas com base no quadro inicial e nesses símbolos discretos. Enquanto isso, o razonador de linguagem física, inicializado com um modelo de visão-linguagem pré-treinado, prevê com precisão sequências futuras da linguagem física a partir do primeiro quadro e das intenções de ação baseadas em texto.

Avaliações de benchmark confirmam que o PhiZero alcança desempenho de ponta em vários testes de raciocínio físico e geração de vídeo, incluindo Physics-IQ Verified, PhyGround e WorldModelBench. Seja ao lidar com o deslocamento de objetos devido a colisões, deformações causadas pela gravidade ou reações em cadeia complexas, o modelo exibe uma plausibilidade física altamente realista.
À medida que a inteligência incorporada e a robótica avançam, o lançamento do PhiZero abre um novo caminho para a modelagem controlável e interativa do mundo. Ele está pronto para desempenhar um papel fundamental em cenários de simulação de longo prazo e transferência de movimento.
Artigo relacionado
O chip Vera da Nvidia: a aposta de US$ 200 bilhões que Jensen Huang quer que você note
O chip Nvidia Vera raramente ocupa as manchetes quando os lucros superam as expectativas, mas merece o destaque. Com a receita do primeiro trimestre atingindo US$ 81,62 bilhões — superando as estimativas dos analistas de US$ 78,86 bilhões — e uma ori
A MingTang Intelligent apresenta o MiniCPM-V 4.7 para Dispositivos de Borda, oferecendo mais de 13 tokens/s em 3GB de memória
A Mingshi Intelligence apresentou seu mais recente modelo de grande linguagem multimodal de borda, o MiniCPM-V 4.7, disponível em duas configurações: 35B-A3B e 1B. A variante 35B-A3B marca o primeiro modelo de Mistura de Especialistas (MoE) na série
A Gamma adquire a Lica, apoiada pela Accel, para fortalecer suas capacidades de design
Gamma, uma plataforma de apresentações líder, adquiriu a Lica, uma startup de design apoiada pela Accel, para estabelecer um laboratório dedicado à pesquisa em design, segundo relatórios exclusivos do TechCrunch. Os cofundadores da Lica liderarão ess
Recomendações de tópicos especiais relacionados
Comentários (0)
No cenário atual dos grandes modelos, a geração de vídeo é cada vez mais vista como o simulador fundamental para a inteligência incorporada. No entanto, a maioria das abordagens convencionais depende da previsão direta no espaço de pixels, o que muitas vezes resulta em leis físicas instáveis ou inconsistentes. Para resolver esse desafio crítico do setor, nossa equipe de pesquisa apresentou oficialmente
Em sua essência,

Tecnicamente, o sistema é composto por dois módulos principais: um tokenizador e um razonador. O tokenizador da linguagem física emprega um Q-Former no nível de transição para capturar mudanças entre estados adjacentes, gerando símbolos discretos compactos por meio de quantização escalar limitada. O decodificador de difusão, então, reconstrói imagens detalhadas com base no quadro inicial e nesses símbolos discretos. Enquanto isso, o razonador de linguagem física, inicializado com um modelo de visão-linguagem pré-treinado, prevê com precisão sequências futuras da linguagem física a partir do primeiro quadro e das intenções de ação baseadas em texto.

Avaliações de benchmark confirmam que
À medida que a inteligência incorporada e a robótica avançam, o lançamento do
O chip Vera da Nvidia: a aposta de US$ 200 bilhões que Jensen Huang quer que você note
O chip Nvidia Vera raramente ocupa as manchetes quando os lucros superam as expectativas, mas merece o destaque. Com a receita do primeiro trimestre atingindo US$ 81,62 bilhões — superando as estimativas dos analistas de US$ 78,86 bilhões — e uma ori
A MingTang Intelligent apresenta o MiniCPM-V 4.7 para Dispositivos de Borda, oferecendo mais de 13 tokens/s em 3GB de memória
A Mingshi Intelligence apresentou seu mais recente modelo de grande linguagem multimodal de borda, o MiniCPM-V 4.7, disponível em duas configurações: 35B-A3B e 1B. A variante 35B-A3B marca o primeiro modelo de Mistura de Especialistas (MoE) na série
A Gamma adquire a Lica, apoiada pela Accel, para fortalecer suas capacidades de design
Gamma, uma plataforma de apresentações líder, adquiriu a Lica, uma startup de design apoiada pela Accel, para estabelecer um laboratório dedicado à pesquisa em design, segundo relatórios exclusivos do TechCrunch. Os cofundadores da Lica liderarão ess











