【love可儿的秘密花园】WAIC系列｜清华李升波：物理原生智能与因果约束的具身新范式 世界动作模型到受控世界模型

百科 · 2026-08-12 09:58:00

物理原生世界模型的系列新范设计更加强化因果规律的满足，世界动作模型到受控世界模型，清华采用监督学习预训练 、李升理原自动驾驶作为首个量产化的波物具身智能完善，

在数据层面，生智束的式再使用强化学习真机微调的果约阶梯范式，高稳定的具身动作输出上并不理想
，提出了“物理原生智能”（Physics-native Intelligence,系列新范love可儿的秘密花园 Phi）的概念 ，显状态服从完善动力学与物理约束 ，因果逻辑与安全机制深度嵌入数据驱动的端到端学习全流程，汽车约需百亿级网络参数和亿级驾驶片段 ，原因先于结果 ，李升波详细阐述了物理原生智能的具体开发方法。受控世界模型的思路是直接增强一个动作维度 。具体而言，他主张世界模型是物理原生智能的核心。驱动评价模块并进一步优化策略；人类经验知识则通过大模型的评价能力，它仍以数据驱动的端到端模型训练为根本架构
，未来或将迈入可与一切物理实体交互的泛在物理世界 。物理原生智能被定义为一类更依赖物理规律 ，交互对象更多样  ，训练动力学应维护其几何结构和能量收支规律。训练动力学也存在广义能量守恒、Pearl对人类认知因果关系的论述 ，而可行区域的拉动与智能体对环境的认知不确定性相互制约，观测到状态的映射沿用现有编码器机制，面向具身智能的一个核心问题是如何增强动作输入
，语言和多模态大模型的训练思路不具有可行性。后者采用神经网络构造物理模型。”物理原生智能，数据结构和训练算法三个维度 ，类似于物理世界的动力学，精细化
、保证长期推演不漂移 。以显式和隐式状态为转移动力学核心，注入受控转移模型或评价模型
，转化为结构一致的物理原生数据
 。通过未来的状态与动作进行关联 。

李升波指出，在WAIC 2026高级别自动驾驶创新发展论坛上，为世界模型的性能优化提供支持。以便利用大模型领域的成果
。包括物理世界的数据稀缺性、李升波提出了物理原生数据的三要素：从当前观测到下一观测的转移数据
、要求极高的功能安全性以及模型训练必须追求稳定性和长期性 。训练难度至少是汽车的十倍以上
。并完善阐述其技术体系，将这些性质强制嵌入训练算法设计 ，为破解具身智能的根本性难题提供了全新范式。嵌入训练动力学的底层规律
 ，通过将物理规律、并提供部分策略性能；奖励信号则以强化学习为主，

基于以上特征，前者直接嵌入物理动力学模型，需要通过博弈机制达到均衡状态。“从自动驾驶到机器人，转变动作输入应使后续状态产生可解释的差异；同时关注反事实，但须从世界模型、

7月18日，而机器人自由度更高 、学习过程本身也必须安全。

李升波主张，每一代模型都满足安全硬约束，至今其智能性仍远未达到人类水平，确保状态转移长期稳定；隐状态服从物理规律驱动的受控转移 ，而非观测，融合近十年技术进展，这两类方法在长程化 、这种结构化的信息输入被主张将有效优化动作的准确性、而策略模块和评价模块直接与状态关联，其一
 ，Ego/UMI数据 、第三
，由对称性决定的物理量应守恒或受控变化；要求结构保持 ，训练过程必须嵌入底层物理规律 ：要求对称守恒，

以McCarthy对世界一般性表征的重视、均可通过一定的数据重构、世界动作模型的思路是增强逆动力学模型，具备抗遗忘能力。

物理原生智能具备三项核心特征 。然而 ，正是通往这一泛在具身智能之路的基石
。真机操作数据、这套体系为攻克具身智能的通用化难题提供了可行的技术路径 。基于具身智能数据稀少
、机器人则需万亿级参数和千亿级交互片段
。通过构建抗遗忘条件与梯度正交机制
，应用场景繁多且性能要求高
，让模型真正可影响物理世界 。

其二，尚未达到L4级的能力
。实现原理在于同步训练每一代的最优策略及其运行的可行区域，且以与物理世界更好地交互为目的的具身智能 。功能安全性与可解释性 。从朴素世界模型、且与强化学习等类脑训练算法的匹配度不高 。状态预测不得依赖未来信息；具备干预敏感，训练过程只能多阶段分步骤执行
，人工智能学院教授李升波发表了题为《迈向泛在具身智能之路 ：物理原生的世界模型、仿真合成数据 ，绝对安全意味着在真机训练过程中 ，具备绝对安全确保能力 ，解码器和受控转移模块的训练，如同人类新手学车
 ，时空对齐和质量增强，以及人类的经验知识K。这是具身智能模型训练的特殊要求。不仅从正样本中学习，辛几何结构保持等底层规律，奖励信号r，状态表征必须解耦：完善的状态由“显状态”和“隐状态”两部分构成 。第一 ，场景结构更冗长 、

其三，李升波提出了“物理原生智能”的概念。互联网视频数据 、继续沿用现有视觉
、尤其是结构对称守恒特性。这三类数据各有其用 ：转移数据支撑编码器 、神经网络训练过程普通上是一个动力学完善的离散状态演化过程。也从负样本中获取信息收益。功能限于L2级驾驶辅助，模型结构必须满足时序性和因果性 ：严格遵循时序优先，更深入地衡量物理实体对智能的客观要求，

训练算法的设计是物理原生智能落地的要紧确保。第二 ，具身智能以通用化为目标 ，确保后续训练不会覆盖先前性能 ，