MATCHDAY JOURNAL / 01

行业资讯 · FIELD NOTE

看视频、建世界、做实验:清华Asking the World让AI用物理回答问题

从一个现场细节出发,重新观察比赛、数据与体育文化之间的联系。

READ
NOW
SPORTS
EDITORIAL
返回资讯列表

ORIGINAL CONTENT

看视频、建世界、做实验:清华Asking the World让AI用物理回答问题

看视频、建世界、做实验:清华Asking the World让AI用物理回答问题 FIELD
VISION

据jxf吉祥坊整理:

AI 能逼真地 “搭出” 一个世界,就能准确预测它如何运转吗?

GPT-6 Astra 展现出的场景建模能力令人印象深刻。

但几何与外观的逼真还原,并不意味着对物理规律的准确把握。

避免物体穿模、借助语义先验估计物理属性,与准确推演物体运动之间,仍有距离。

后者还需要进一步识别质量、摩擦系数和阻尼等难以仅凭外观确定的属性与参数。

从还原外观到推演运动,AI 还要跨过一道 “物理关”。

清华大学团队提出的Asking the World(ATW)框架,让 AI 根据视频自主构建可运行的物理仿真世界,再通过属性查询、运动仿真和条件干预获取证据,回答物理属性、运动预测及反事实推理等问题。

以 Gemini-3-Flash 为基座模型,ATW 在 CLEVRER 和 ContPhy 两项物理推理基准上的整体准确率分别达到80.

82%和70.

56%,相较于直接根据视频回答,分别提升46.

50和28.

10个百分点。

作为团队PhysMind 的续作,ATW 继承了 “从视频恢复物理世界,再通过实验开展推理” 的思路,进一步让智能体决定如何建模、开展哪些实验,并将方法拓展至更多材料和物理场景。

这套方法无需额外训练或微调,也提供了更经济的模型选择:相比 Astra,Gemini-3-Flash 这类视觉语言模型的调用成本低得多。

ATW 由视觉语言模型理解问题、选择操作,再由物理工具计算运动。

01|从视频恢复可执行的物理世界 ATW 的方法基础来自团队此前的工作 PhysMind。

它从视频恢复几何、运动与物理参数,建立能够继续仿真,也允许修改条件的 “可执行世界”。

例如,移走视频中的球体,哪些碰撞仍会发生?

原视频没有给出答案。

PhysMind 会在重建场景中移除球体,重新运行仿真,依据轨迹和碰撞事件作答。

图 1:PhysMind 通过修改重建场景并运行仿真,为 “移走球体后哪些碰撞仍会发生” 提供判断依据。

要构建这样的世界,PhysMind 先识别物体、恢复形状与运动轨迹,再结合地面和支撑关系校正结果。

物体滑行时的减速、碰撞前后的速度变化,则为估计摩擦和质量关系提供线索。

系统利用连续时间解析方法估计摩擦、质量比例和碰撞恢复系数等物理参数,使仿真尽可能符合观测。

这一过程称为 “系统辨识”。

同一段视频只需建模一次,后续多个问题便可复用。

图 2:PhysMind 整体流程,包括几何与运动恢复、物理参数估计,以及通过查询、仿真和干预获取推理依据。

ATW 沿用这一思路,进一步拓展:面对不同场景和任务,如何让 AI 自主选择合适的建模方式,并决定用什么实验获取答案?

02|从建模到实验,由智能体自主决策 物理属性判断可能仅需读取参数,预测则需要延长仿真。

任务不同,需要关注的物体、调用的工具和获取的证据也不同。

ATW 把问题需求引入世界构建,并将过程分为“世界建模”与“世界探测”两个阶段。

在 “世界建模” 阶段,智能体选择相关物体和物理模型,调用合适的视觉工具恢复几何与运动,再拟合物理参数。

它会检查中间结果,根据反馈调整感知、模型选择或参数估计。

论文中的台球案例展示了这一过程:发现黄色球未被分割后,智能体补充检测,再继续后续步骤。

完成建模后,智能体进入 “世界探测” 阶段。

判断物理属性,可以查询拟合参数;

预测未来,可以继续仿真;

回答反事实问题,则复制场景、施加干预。

如果证据不足,它会进一步查询轨迹或开展新的实验。

图 3:ATW 根据任务与反馈选择操作,包括修正物体漏检、移除棕色球和查询碰撞事件。

不同实验基于同一个已校准的世界,分别保留结果供比较。

智能体在这一基础上推演不同条件下的运动,并依据轨迹与事件作答。

03|拓展至多种材料与物理场景 ATW 的另一项进展,是从刚体碰撞拓展到更多材料。

布料会弯折,流体会流动,还可能与其他物体相互作用,需要相应的物理模型。

为此,团队开发了PolyWorld Engine,一套供智能体使用的物理仿真引擎。

它基于Warp构建,涵盖刚体、软体、布料、绳索、流体及其耦合交互。

智能体可以通过统一接口构建场景、读取状态、推进仿真和施加干预。

图 4:ATW 将统一的建模与实验推理方法应用于刚体、流体和布料等场景。

所构建场景仍需与视频观测对齐。

about image

ATW 通过搜索参数、比较仿真与观测差异,校准运动与形变。

对于可变形物体,还会比较形状、表面或中心线随时间的变化。

如果偏差来自物体对应关系或物理模型选择,智能体可在建模阶段修正,再重新拟合。

04|重建世界是否有效,用物理推理任务检验 复现视频中的运动,还不足以说明重建世界是“物理可信”的。

团队因此用物理推理任务验证 ATW:让它预测视频结束后的事件、判断改变条件后的结果,检验恢复出的动力学能否帮助 AI 答对问题。

在 CLEVRER 上,以 Gemini-3-Flash 为

更多体育热点,关注jxf吉祥坊。

RECOMMENDED READS / 03

继续探索

04 STORIES

TRENDING NOW / 04

热点新闻

全部资讯
1

为什么中国投资非洲矿产不能只出钱出技术?

外媒说,中国投资者在非洲矿产加工、本土制造领域砸了超过160亿美元。不是早年那种把矿石挖走、船一开就完事的买卖,这回是带着设备、产线、技术,去当地扎根建加工体系。听起来挺提气,像给非洲工业点了把火。可火种这东西,既能照亮,也能烧手。 非洲资源国早换了剧本。刚果(金)、几内亚、津巴布韦这些矿产大户,原矿出口限制甚至禁令一个接一个,摆明不当廉价原材料仓库。印尼更早,镍矿出口禁令一关,逼着外资就地建厂、

2

哈弗茨:争胜心态是阿森纳能夺冠的原因 我们现在变得更加成熟

直播吧11月12日讯 阿森纳球员哈弗茨接受俱乐部采访,谈到赢得英超冠军、队内竞争、争胜心态以及未来目标等话题。 “争胜心态”这个词对你来说意味着什么? 我认为这是一种无论何时身处困境都能迎难而上,并且依然能够通过赢下比赛渡过难关的能力。如果没有正确的心态,你就做不到这一点。要在关键时刻赢下比赛,在重大节点斩获进球。这正是我们在去年多次展现出来的特质,也是我们最终赢得联赛冠军的原因。 你自身的求胜欲

3

地铁霸座4人找到了!昆明地铁:约谈涉事乘客

近日 有市民在昆明地铁内发现 两名男子乘车时 直接横躺在座椅上 影响了正常行车秩序 据目击者介绍,两名男子及同行者从西山公园站上车后,直接躺在车厢长条座椅上,全程靠着同行家属闭眼熟睡,丝毫没有顾及车厢内的其他无座乘客。 目击者 :“一直从西山公园睡到潘家湾,睡到潘家湾可能人多了,叫他起来他才起来的。” 记者 :“谁叫的?” 目击者 :“旁边的一个老奶奶。影响太不好了,他们两个人一个睡一边就占了两条

4

公牛签下一名中锋填满15人名单 非保障合同释放双向球员出场空间

根据Chicago Sports Network记者K.C. Johnson的消息,芝加哥公牛周五宣布,球队已签下自由球员中锋奥兰多-罗宾逊(Orlando Robinson),填满第15个也是最后一个标准阵容名额。根据The Athletic记者Joel Lorenzi的消息,罗宾逊与公牛的合同为非保障合同。Lorenzi和Johnson均指出,签下罗宾逊将使公牛今后能够更频繁地使用双向球员。在

5

骨科主任:最伤膝盖的不是跑步爬山,而是这4个日常小动作

生活里绝大多数人护膝,都搞错了重点。 我身边太多亲戚朋友,只要膝盖一酸、走路发软,第一反应就是吓得不敢动了。戒掉慢跑、再也不爬山、能不走楼梯就不走楼梯,老老实实静养,结果到头来,膝盖该疼还是疼,甚至越来越严重。 很多人都默认一个固有认知:膝盖受损,都是运动过量折腾出来的。 其实在骨科临床待久了,就会发现真相完全不一样。我专门请教过从业三十余年的骨科主任医师,他每天接诊几十位膝盖退变、半月板磨损、关