物理一致性是世界模型区别于视频生成模型的关键指标,其实现方式主要有两类,且都存在现实约束。
通过大规模视频数据训练,让模型自主学习重力、摩擦、物体运动与碰撞等规律,而非由程序员预先定义。Genie 3 的物理理解即被认为是从海量视频数据中"自发涌现"的,无需显式物理引擎即可呈现水花、风吹草动等效果。
李飞飞团队指出,模拟器工作在几何、物理和动力学的层面上,既能向上投射为像素供人观察,也能向下推演动作后果供机器人使用。
需要指出的是,学习到的物理通常是"规律性"而非"定律":随着推演步数增加,模拟的动力学可能漂移、接触可能失真、误差会逐步累积,这也是当前世界模型难以长时间保持一致的主要原因。