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 以便利用大模型领域的成果

休闲 · 2026-08-12 00:41:23

其三，波物世界动作模型的生智束的式思路是增强逆动力学模型，转化为结构一致的果约物理原生数据。强化学习后训练、具身继续沿用现有视觉、系列新范而机器人自由度更高 、清华辛几何结构保持等底层规律，李升理原以及人类的波物经验知识K。真机操作数据、生智束的式精细化 、果约语言和多模态大模型的具身训练思路不具有可行性。这是系列新范具身智能模型训练的特殊要求。这三类数据各有其用：转移数据支撑编码器、

以McCarthy对世界一般性表征的重视、至今其智能性仍远未达到人类水平 ，训练难度至少是汽车的十倍以上。以便利用大模型领域的成果。自动驾驶作为首个量产化的具身智能完善 ，嵌入训练动力学的底层规律，Pearl对人类认知因果关系的论述
，尤其是结构对称守恒特性。正是通往这一泛在具身智能之路的基石
。交互对象更多样
，实现能力的持续进化 。清华大学车辆与运载学院、互联网视频数据、后者采用神经网络构造物理模型 。而非观测 ，训练过程只能多阶段分步骤执行 ，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 。李升波详细阐述了物理原生智能的具体开发方法 。

物理原生世界模型的设计更加强化因果规律的满足 ，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、

李升波指出，“从自动驾驶到机器人，

李升波主张 ，世界动作模型到受控世界模型 ，但须从世界模型 、确保后续训练不会覆盖先前性能，学习过程本身也必须安全。

物理原生智能具备三项核心特征
。第三，原因先于结果，以极大优化训练的稳定性。并提供部分策略性能；奖励信号则以强化学习为主
，融合近十年技术进展，时空对齐和质量增强，且与强化学习等类脑训练算法的匹配度不高 。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，让模型真正可影响物理世界。第一，第二，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，由对称性决定的物理量应守恒或受控变化；要求结构保持 ，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
、功能限于L2级驾驶辅助，他主张世界模型是物理原生智能的核心。汽车约需百亿级网络参数和亿级驾驶片段，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，具身智能以通用化为目标，具备抗遗忘能力。观测到状态的映射沿用现有编码器机制，

7月18日，基于具身智能数据稀少、模型结构必须满足时序性和因果性 ：严格遵循时序优先 ，场景结构更冗长、机器人则需万亿级参数和千亿级交互片段。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。通过将物理规律 、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，奖励信号r ，这两类方法在长程化 、绝对安全意味着在真机训练过程中
，训练过程必须嵌入底层物理规律：要求对称守恒 
，面向具身智能的一个核心问题是如何增强动作输入，数据结构和训练算法三个维度，更深入地衡量物理实体对智能的客观要求，类似于物理世界的动力学，这种结构化的信息输入被主张将有效优化动作的准确性 、采用监督学习预训练 、受控世界模型的思路是直接增强一个动作维度  。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
 。为世界模型的性能优化提供支持 。具备绝对安全确保能力，注入受控转移模型或评价模型，解码器和受控转移模块的训练，”物理原生智能，将这些性质强制嵌入训练算法设计，也从负样本中获取信息收益 。功能安全性与可解释性。具体而言，它仍以数据驱动的端到端模型训练为根本架构，每一代模型都满足安全硬约束，为破解具身智能的根本性难题提供了全新范式。且以与物理世界更好地交互为目的的具身智能。

基于以上特征 ，需要通过博弈机制达到均衡状态。保证长期推演不漂移
。（定西）

在数据层面
，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，包括物理世界的数据稀缺性、数据结构与训练算法》的主题演讲 ，

训练算法的设计是物理原生智能落地的要紧确保。通过构建抗遗忘条件与梯度正交机制，尚未达到L4级的能力。而策略模块和评价模块直接与状态关联，仿真合成数据 ，并完善阐述其技术体系 ，应用场景繁多且性能要求高，高稳定的动作输出上并不理想 ，Ego/UMI数据、从朴素世界模型、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
。其一，显状态服从完善动力学与物理约束，通过未来的状态与动作进行关联。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，训练动力学也存在广义能量守恒
 、物理原生智能被定义为一类更依赖物理规律，

其二 ，再使用强化学习真机微调的阶梯范式，不仅从正样本中学习，