MIT联合清华提出GeoPT：物理将成为AI第三大模态
MIT News AI · rss · 2026-08-11
MIT CSAIL 与清华大学联合提出了一种名为 GeoPT 的预训练新方法，旨在让 AI 模型具备扎实的物理直觉，从而更准确地模拟真实世界场景（如车辆风洞测试、碰撞形变等）。
核心机制：合成动力学
传统方法依赖耗时的数值求解器来计算 3D 物体的物理属性，数据获取成本极高。GeoPT 通过学习 130 万个合成动力学（Synthetic Dynamics）样本来掌握物理规律：模拟微小粒子以不同速度和角度撞击复杂 3D 形状并“附着”于表面的过程。这相当于让模型用“弹珠和手办”来建立对现实世界交互的感知。
性能与效率突破
- 数据效率：在模拟船体承受风浪等测试中，GeoPT 达到峰值准确度所需的标注数据量比 SOTA 减少了 60%。
- 速度提升：收敛速度比传统基线模型快最高 4 倍。
- 工业级表现：能够处理超过 1 亿个网格点的复杂 3D 形状，在几秒内生成高保真物理模拟热力图。
研究团队提出，继文本和像素之后，物理应成为 AI 的第三大模态。这一工作不仅能为工程师省去大量物理实验成本，也被视为迈向「物理基础模型」的重要一步。
「具身」频道最新
- 浙大清华提出 INTACT：机器人无需试错直击目标 — jiqizhixin · 2026-08-11
- Kyle Vogt机器人公司因 Airbnb 变实验室被诉 — MarwaEldiwiny · 2026-08-11
- Dyna-2 模型成功迁移至 WUJI2 灵巧手，13 分钟数据极速适配 — JasonMa2020 · 2026-08-11
- MIT推出GeoPT模型：融入物理常识，仿真数据需求锐减60% — nordicinst · 2026-08-11
- 亚马逊大砍Nova模型团队，全面转向机器人研发 — max_paperclips · 2026-08-11
- 大厂机器人工程师年薪超 40 万美元，初创公司面临算术难题 — ATTlKA · 2026-08-11