中科院提出 PhiZero 世界模型：用“物理语言”实现跨形态机器人技能迁移

青稞AI · wechat · 2026-08-08

现有视频世界模型多在像素空间预测未来，往往只追求视觉上的“像”而忽略了物理规律的“对”。中科院自动化所提出 PhiZero 模型，通过自监督学习从海量真实视频中提取出紧凑、离散的“物理语言”，将“世界长什么样”与“世界怎样变化”解耦。

PhiZero 采用“先推理，再渲染”的范式：先预测未来的物理状态变化序列，再由扩散解码器渲染成视频。这种基于物理语言的状态转移表示具备极强的泛化与复用能力，能够实现出色的跨形态迁移——例如将人类或仿真环境中的运动交互逻辑，直接迁移渲染到 Unitree G1 人形机器人或灵巧手上，且无需成对训练数据。