PhysCodeGym：面向可物理验证4D重建的编码智能体基准发布
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载基准要解决什么
从视频出发构建物理仿真，需要编码智能体把观察结果转成可执行模型，并通过调用工具不断修正。PhysCodeGym 正是为这类可物理验证的 4D 重建设立的评测基准。它把任务限定在需要写出可运行程序、并让仿真结果接受物理层面检验的场景，而不是只比较生成画面是否好看。基准共设 156 项任务，类型上分为刚体、液体、可变形体以及风驱动运动四类，覆盖了从固体到流体、从形变到受风影响的不同运动形态。智能体在任务中要自主查看视频，编写并运行 Blender 程序，再依据仿真反馈修改自己的场景。这一流程把「看视频—写代码—跑仿真—改场景」串成闭环，考察的是智能体能否借助工具把观察转成可验证的物理模型。
评测方式与指标
PhysCodeGym 用六项指标来评估重建质量，这些指标把基于规则的测量与基于评分表的判断结合起来，既看视觉层面的还原，也看物理层面的合理性。评测并不止于静态比对，还包含程序检查、场景测量以及反事实干预三类手段，用来测试原始条件与修改条件下物理一致性是否成立。程序检查关注智能体写出的代码本身，场景测量关注重建结果中的物理量，反事实干预则通过改变条件来观察模型是否仍能保持合理行为。作者用前沿编码智能体做了实验，结果显示在推理投入的不同设置下，产物质量与任务完成度之间存在取舍；同时，对评测框架的比较以及智能体的执行轨迹，把验证行为与重建表现联系了起来。
暴露出的物理缺陷
案例研究给出一个值得注意的现象：重建结果在可见物体与事件上与视频对得上，仍可能同时存在物理缺陷。也就是说，画面看起来对，并不等于背后的物理模型可靠。反事实测试进一步放大了这一问题：一些在常规物理检查中通过的重建，在改变条件后暴露出潜在的接触与支撑失效。这说明仅靠复现观察到的现象，与真正建立可靠的物理模型之间还有明显差距。作者把这一差距作为基准要揭示的核心问题，并指出代码已在论文给出的链接公开。对关注编码智能体、视频到仿真以及物理一致性评测的读者，这项工作提供了任务集、指标与反事实检验方法，可用于衡量智能体在物理可验证重建上的真实水平。
为什么值得看
用156项任务和反事实测试检验编码智能体能否从视频构建可靠物理模型，而非仅复现画面。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。