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
英伟达的Vera芯片:黄仁勋希望你注意的2000亿美元赌注
Nvidia Vera 芯片在财报超出预期时很少占据头条,但它理应获得关注。第一季度营收达到 816.2 亿美元——超过分析师预估的 788.6 亿美元,第二季度指引为 910 亿美元,远高于华尔街预估的 868.4 亿美元,这些数字正如 Nvidia 的数据一贯所做的那样:引人注目。然而,在首席执行官黄仁勋的分析师电话会议中,有一个比又一个季度业绩超预期更具战略意义的披露。黄仁勋透露,Nvidia 的新款 Vera 中央处理器将开启一个 2000 亿美元的市场,这与 2025 年至 2027
明堂智能发布面向边缘设备的 MiniCPM-V 4.7,在 3GB 内存下实现每秒 13+ 个 token 的处理速度
明势智能发布了其最新的端侧多模态大模型 MiniCPM-V 4.7,提供两种配置:35B-A3B 和 1B。其中,35B-A3B 变体是 MiniCPM-V 系列中的首个混合专家(MoE)模型,利用专有的“前瞻性专家调度”技术,在端侧设备上实现无损且流畅的推理,成为首个无需依赖云端即可高效运行的开源 MoE 模型。其最引人注目的指标是性能表现:在 iPhone 17 Pro Max 上,该模型仅消耗 3GB 内存,同时解码速度超过每秒 13 个词元。这种高效性使得在高端智能手机上进行本地多模态推
Gamma 收购 Accel 支持的 Lica,以增强设计能力
Gamma,一家领先的演示平台,已收购由 Accel 支持的初创设计公司 Lica,以建立专门的设计研究实验室,据 TechCrunch 独家报道。Lica 的联合创始人将主导这一新举措。Lica 最初作为一个将截图和录屏转换为项目演示文稿和视频的应用程序推出,由 Priyaa Kalyanaraman 和 Purvanshi Mehta 于 2023 年创立。该公司从包括 Accel、South Park Commons 和 Village Global 在内的投资者那里获得了 400 万美
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,
英伟达的Vera芯片:黄仁勋希望你注意的2000亿美元赌注
Nvidia Vera 芯片在财报超出预期时很少占据头条,但它理应获得关注。第一季度营收达到 816.2 亿美元——超过分析师预估的 788.6 亿美元,第二季度指引为 910 亿美元,远高于华尔街预估的 868.4 亿美元,这些数字正如 Nvidia 的数据一贯所做的那样:引人注目。然而,在首席执行官黄仁勋的分析师电话会议中,有一个比又一个季度业绩超预期更具战略意义的披露。黄仁勋透露,Nvidia 的新款 Vera 中央处理器将开启一个 2000 亿美元的市场,这与 2025 年至 2027
明堂智能发布面向边缘设备的 MiniCPM-V 4.7,在 3GB 内存下实现每秒 13+ 个 token 的处理速度
明势智能发布了其最新的端侧多模态大模型 MiniCPM-V 4.7,提供两种配置:35B-A3B 和 1B。其中,35B-A3B 变体是 MiniCPM-V 系列中的首个混合专家(MoE)模型,利用专有的“前瞻性专家调度”技术,在端侧设备上实现无损且流畅的推理,成为首个无需依赖云端即可高效运行的开源 MoE 模型。其最引人注目的指标是性能表现:在 iPhone 17 Pro Max 上,该模型仅消耗 3GB 内存,同时解码速度超过每秒 13 个词元。这种高效性使得在高端智能手机上进行本地多模态推
Gamma 收购 Accel 支持的 Lica,以增强设计能力
Gamma,一家领先的演示平台,已收购由 Accel 支持的初创设计公司 Lica,以建立专门的设计研究实验室,据 TechCrunch 独家报道。Lica 的联合创始人将主导这一新举措。Lica 最初作为一个将截图和录屏转换为项目演示文稿和视频的应用程序推出,由 Priyaa Kalyanaraman 和 Purvanshi Mehta 于 2023 年创立。该公司从包括 Accel、South Park Commons 和 Village Global 在内的投资者那里获得了 400 万美





首页






