机器人电报11月17日电,北京智源人工智能研究院联合逆矩阵、北京大学、清华大学等机构,于11月17日共同发布悟界·PhysCapBench基准。这是业界首个同时覆盖第三人称场景、第一人称操作与手持夹爪示范三大领域的统一评测体系,专门用于衡量视频Caption中的物理信息表达水平。北京智源人工智能研究院相关负责人表示,物理AI基模的核心能力在于从真实经验中学习可迁移的物理规律,从而理解、预测并作用于物理世界。现实数据中蕴含大量物理信息:互联网视频记录运动过程与环境演化,Egocentric视频呈现手物交互细节,真机轨迹捕捉动作与状态响应,力触反馈补充接触力、滑移与形变等信息。不同类型数据相互补充,构成丰富的物理经验来源,但如何有效衡量、提炼并耦合这些数据中的物理特性,仍是构建物理AI基模亟需攻克的基础难题。悟界·PhysCapBench以视频描述为切入点,用统一标准度量描述内容对物理信息的覆盖程度与保真度,为描述策略选择、标注质量评估和训练数据优化提供跨领域的”物理数据量尺”。该负责人还指出,世界模型的数据建设需重点关注两点:视频中包含哪些物理经验,以及这些经验能否被完整、准确地转化为训练监督信号。悟界·PhysCapBench将预训练阶段的数据实践系统性地沉淀为跨领域评估工具,整合了三大领域的参考数据和七个物理信息评价维度,并结合视频生成与操作策略的下游验证,为上述三项关键环节提供统一的量化依据。
