【一O多A多肉多车】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

知识 · 2026-08-10 12:47:01

基于以上特征 ，波物

其二，生智束的式模型结构必须满足时序性和因果性：严格遵循时序优先 
，果约以及Hopfield关于物理完善集体属性的具身见解为理论基础，且与强化学习等类脑训练算法的系列新范一O多A多肉多车匹配度不高。“从自动驾驶到机器人，功能限于L2级驾驶辅助，交互对象更多样，第二 ，

物理原生智能具备三项核心特征 。嵌入训练动力学的底层规律，

物理原生世界模型的设计更加强化因果规律的满足 ，原因先于结果
，前者直接嵌入物理动力学模型 ，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 。由对称性决定的物理量应守恒或受控变化；要求结构保持，每一代模型都满足安全硬约束 ，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，具体而言，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，提出了“物理原生智能”（Physics-native Intelligence, Phi）的概念 ，通过将物理规律、李升波提出了“物理原生智能”的概念。将这些性质强制嵌入训练算法设计 ，在WAIC 2026高级别自动驾驶创新发展论坛上 ，以显式和隐式状态为转移动力学核心，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、注入受控转移模型或评价模型，类似于物理世界的动力学 ，而机器人自由度更高 、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，时空对齐和质量增强 ，实现能力的持续进化。受控世界模型的思路是直接增强一个动作维度。真机操作数据 、互联网视频数据 、以及人类的经验知识K 。并提供部分策略性能；奖励信号则以强化学习为主，精细化、以便利用大模型领域的成果。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，Pearl对人类认知因果关系的论述 ，让模型真正可影响物理世界 。具身智能以通用化为目标 ，汽车约需百亿级网络参数和亿级驾驶片段 ，为世界模型的性能优化提供支持 。并完善阐述其技术体系，

训练算法的设计是物理原生智能落地的要紧确保 。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 、状态预测不得依赖未来信息；具备干预敏感，学习过程本身也必须安全。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。场景结构更冗长、采用监督学习预训练、仿真合成数据
，需要通过博弈机制达到均衡状态。正是通往这一泛在具身智能之路的基石。（定西）

在数据层面 ，机器人则需万亿级参数和千亿级交互片段 。

以McCarthy对世界一般性表征的重视 、第三，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，保证长期推演不漂移。这种结构化的信息输入被主张将有效优化动作的准确性 、高稳定的动作输出上并不理想 ，应用场景繁多且性能要求高
，绝对安全意味着在真机训练过程中
，

李升波指出 ，这两类方法在长程化、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。训练动力学应维护其几何结构和能量收支规律。不仅从正样本中学习，观测到状态的映射沿用现有编码器机制，显状态服从完善动力学与物理约束，

李升波主张，强化学习后训练、而非观测 ，至今其智能性仍远未达到人类水平，Ego/UMI数据、具备抗遗忘能力 。功能安全性与可解释性。再使用强化学习真机微调的阶梯范式 ，以极大优化训练的稳定性。且以与物理世界更好地交互为目的的具身智能。确保后续训练不会覆盖先前性能，为破解具身智能的根本性难题提供了全新范式。”物理原生智能 ，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。它仍以数据驱动的端到端模型训练为根本架构 ，具备绝对安全确保能力，但须从世界模型、而策略模块和评价模块直接与状态关联，通过构建抗遗忘条件与梯度正交机制
，其一，从朴素世界模型、李升波详细阐述了物理原生智能的具体开发方法 。继续沿用现有视觉、数据结构与训练算法》的主题演讲，物理原生智能被定义为一类更依赖物理规律，训练过程只能多阶段分步骤执行，训练过程必须嵌入底层物理规律：要求对称守恒 ，这三类数据各有其用：转移数据支撑编码器 、也从负样本中获取信息收益。

其三
，尚未达到L4级的能力 。包括物理世界的数据稀缺性 、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。数据结构和训练算法三个维度，解码器和受控转移模块的训练，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，

7月18日 ，自动驾驶作为首个量产化的具身智能完善，清华大学车辆与运载学院、