直觉物理

不靠公式也能预判物体怎么动的常识，比如没支撑会掉、挡住了仍存在。

直觉物理原本是认知科学概念，指人（包括婴儿）对物理世界的朴素理解：物体被挡住后仍然存在（物体恒存）、不会凭空穿过彼此、没有支撑会下落、形状不会突然改变。研究者常用「违反预期」范式来测：给被试看一段违背物理规律的视频，看其是否表现出「惊讶」。AI 领域用同样的方法考模型：Meta 2025 年的研究发现，在表征空间做视频预测的 V-JEPA 表现出对多种直觉物理性质的理解，而像素空间的视频预测模型和多模态大模型表现更接近随机；Google DeepMind 的 Physics-IQ 基准也发现 Sora 等视频生成模型画面逼真，但物理理解很有限，且和视觉真实感无关。对机器人来说，直觉物理决定它能否预判推一下杯子会不会倒、东西叠起来稳不稳，是世界模型和具身推理要具备的基础能力。

例子给模型看一段球滚到挡板后面、随后在挡板另一侧凭空消失的视频，如果模型的预测误差（相当于「惊讶度」）明显升高，就说明它掌握了物体恒存。

也叫

物理常识、Physical Commonsense、物理推理

相关

世界模型、具身推理、V-JEPA 2、Physics-IQ 物理理解基准、联合嵌入预测架构、空间推理

来源

Intuitive physics understanding emerges from self-supervised pretraining on natural videos (Garrido et al., 2025)
Do generative video models understand physical principles? (Physics-IQ)

信息截至

2025-02