A重点81
机器之心
1 个来源不再止步于自然语言！PhiZero让世界模型学会「物理语言」
中国科学院自动化研究所的研究团队提出了PhiZero，一种围绕“物理语言”构建的世界模型，旨在让AI学习直接表征物理世界细粒度变化的符号系统。该模型能够生成连贯的物理过程视频、实现运动迁移、从单张图像探索可交互世界，并预测机器人动作的视觉后果。这项工作为视频世界模型提供了新的中间表示，有望提升AI对物理规律的理解和预测能力。
返回信息流
新闻事件
SynthePulse Insight · AI 深度解读会员精读
PhiZero：让AI学会物理世界的“语言”
版本 1 · 1 个来源
当自然语言不足以描述物理变化，中国科学院自动化研究所提出PhiZero，用“物理语言”作为中间层，让AI理解并预测世界的动态演化。
- PhiZero由中科院自动化所团队提出，核心是“物理语言”——一组紧凑的离散符号，专门编码对象运动、交互与状态转移，而非静态外观。
- 采用“先推理、后渲染”框架：物理语言分词器将视频转写为符号序列，推理器自回归预测未来符号，扩散解码器生成视频。
- 一段4秒、8FPS、512×896的视频，首帧后仅需256个离散符号，而标准视频VAE需44,800个连续视觉token。
展开章节目录从自然语言到物理语言：为什么需要新表示
从自然语言到物理语言：为什么需要新表示
自然语言让AI读取人类记录的知识，但面对现实环境中的运动、交互与变化，仅靠自然语言可能不足。PhiZero的提出正是为了探索一套直接表征物理世界细粒度变化的符号系统。
传统视频生成模型直接在像素空间预测未来，虽然画面逼真，但缺乏对状态转移、动作影响和因果关系的显式表达。PhiZero引入“物理语言”作为中间层，专门编码对象如何移动、彼此如何作用，以及场景如何从一时刻过渡到下一时刻。
这种分工使状态变化可复用：即使更换场景、材质或对象形态，原有的运动和交互规律仍可保存并迁移。
可信度边界
本文信息来源于机器之心对PhiZero研究的报道，属于二手转述。所有能力展示、基准成绩和数据均来自该报道，未经独立验证，应视为研究团队声称的结果。
主报道
机器之心
主报道来源