PhiZero：基於物理語言的世界模型
為何重要
PhiZero 將高維度視覺輸出解耦至低維度語言邏輯推理，提供了一種更穩健的物理模擬訓練新途徑，這對於提升具身智慧體的規劃精度與模擬真實度具有重大技術啟發。
PhiZero 運用物理語言作為世界狀態轉換的緊湊離散表示，取代傳統在高維視覺畫素空間中預測未來影像的作法，使模組能透過語言結構顯式推理物理動態。
- 中心架構採用「先推理後渲染」的 Paradigm：先將未來世界演變推論為物理語言序列，再轉換為影片。
- 透過自監督學習從野外影片中提取物理語言，驗證了模擬物理一致世界動態的能力。
- 展現了多項應用潛力，包括現實互動的世界建模、細緻的動作條件模擬以及零樣本動態傳輸。