赋予视频生成「视觉思维链」：VChain显式建模时空规划与状态演变
当视频生成模型在视觉保真度上不断突破时，一个核心瓶颈正变得愈发清晰：模型是否真正理解了真实世界？能否推理出合理的演变过程？在具身智能、影视制作以及物理仿真等应用场景中，要求模型不仅要生成 “平滑的像素”，更要实现 “逻辑连贯的演化”。这种对物理规律与因果关系的建模能力，是当前基于大数据驱动的端到端生成模型面临的长期挑战。那么，我们能否将多模态大模型（MLLM）的推理能力，作为一种 “外脑” 注入到
科技3 阅读
搜索: "物理仿真"
共找到 5 篇相关文章
高性能仿真框架开源革新视觉计算：高吞吐量并行渲染推动大规模训练效率提升
在具身智能领域，研究者们正面临视觉仿真算力瓶颈的挑战。为了应对这一难题，新一代的GS-Playground通用多模态仿真框架应运而生，它突破了传统平台的限制，实现了高吞吐量并行物理仿真的创新。 听雨 2026-05-01 14:28:46
AI4 阅读
高德ABot-World运用物理优先与VLA闭环进化技术，攻克具身智能的零样本适应性挑战
ABot-World 作为一个开创性平台，在生成高质量物理仿真数据方面表现出色，并在主流评测基准中取得了全面领先的性能表现。该系统通过深度学习技术，实现了从文本指令到动作执行的无缝转换，尤其关注物体交互过程中的动力学一致性。 量子位的朋友们 2026-04-21 16:45
AI2 阅读
何恺明团队推出GeoPT，开创性预训练方法使模型自主学习真实物理法则
静态3D资产缺乏动力学信息，而真实物理标签又过于昂贵——物理仿真如何实现规模扩展？何恺明团队的最新论文GeoPT提出了一种新的解决方案。GeoPT创新性地引入了合成动力学（Synthetic Dynamics），将静态几何数据提升到动态空间中，使模型能够从无标签数据中学习粒子轨迹变化，并理解物理现象的本质。在相同精度条件下，GeoPT可以显著减少60%的物理仿真所需的数据量。我们现在来看看具体是如
科技25 阅读
何恺明团队推出GeoPT，开创性预训练方法助力模型自主学习真实物理法则
静态3D资产缺乏动力学信息，而真实物理标签的成本又极高—— 物理仿真的扩展性该如何实现？ 何恺明团队的最新研究提出了一种新的解决方案GeoPT—— GeoPT创新地引入了合成动力学（Synthetic Dynamics），将静态几何提升至动态空间，使模型能在无标签数据中通过学习粒子轨迹演化来获取物理直觉。 在同等精度条件下，GeoPT最多可以减少60%的物理仿真数据需求。 接下来让我们进一步
AI35 阅读