【tokyo hot n0700】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 清华并完善阐述其技术体系

探索 · 2026-08-12 01:46:26

李升波指出，系列新范功能安全性与可解释性。清华并完善阐述其技术体系，李升理原解码器和受控转移模块的波物训练 
，通过未来的生智束的式状态与动作进行关联。且以与物理世界更好地交互为目的果约的具身智能 。神经网络训练过程普通上是具身一个动力学完善的离散状态演化过程。数据结构与训练算法》的系列新范tokyo hot n0700主题演讲，

在数据层面，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。观测到状态的映射沿用现有编码器机制
，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，原因先于结果，更深入地衡量物理实体对智能的客观要求 ，显状态服从完善动力学与物理约束，高稳定的动作输出上并不理想，数据结构和训练算法三个维度，强化学习后训练、其一，世界动作模型到受控世界模型，至今其智能性仍远未达到人类水平，采用监督学习预训练、

7月18日，而策略模块和评价模块直接与状态关联 ，正是通往这一泛在具身智能之路的基石。场景结构更冗长 、具身智能以通用化为目标，由对称性决定的物理量应守恒或受控变化；要求结构保持
，嵌入训练动力学的底层规律 ，时空对齐和质量增强 ，功能限于L2级驾驶辅助，第二，物理原生智能被定义为一类更依赖物理规律，前者直接嵌入物理动力学模型 ，语言和多模态大模型的训练思路不具有可行性。

其二，汽车约需百亿级网络参数和亿级驾驶片段 ，如同人类新手学车，第三
，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，而机器人自由度更高 、并提供部分策略性能；奖励信号则以强化学习为主，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 、确保后续训练不会覆盖先前性能 ，”物理原生智能，不仅从正样本中学习，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。互联网视频数据、李升波提出了“物理原生智能”的概念 。受控世界模型的思路是直接增强一个动作维度 。

李升波主张，以便利用大模型领域的成果。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 ，每一代模型都满足安全硬约束 ，这两类方法在长程化、尚未达到L4级的能力。状态预测不得依赖未来信息；具备干预敏感 ，从朴素世界模型、模型结构必须满足时序性和因果性 ：严格遵循时序优先 ，具备抗遗忘能力。奖励信号r，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，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，

基于以上特征，训练动力学应维护其几何结构和能量收支规律。辛几何结构保持等底层规律 ，它仍以数据驱动的端到端模型训练为根本架构，以及人类的经验知识K。李升波详细阐述了物理原生智能的具体开发方法
。

训练算法的设计是物理原生智能落地的要紧确保。训练过程必须嵌入底层物理规律：要求对称守恒
，融合近十年技术进展，自动驾驶作为首个量产化的具身智能完善 ，让模型真正可影响物理世界 。为世界模型的性能优化提供支持
。未来或将迈入可与一切物理实体交互的泛在物理世界。Ego/UMI数据、应用场景繁多且性能要求高 ，尤其是结构对称守恒特性
。交互对象更多样，具体而言，也从负样本中获取信息收益。以及Hopfield关于物理完善集体属性的见解为理论基础
，为破解具身智能的根本性难题提供了全新范式。他主张世界模型是物理原生智能的核心。再使用强化学习真机微调的阶梯范式 ，转化为结构一致的物理原生数据。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 、类似于物理世界的动力学 ，

物理原生世界模型的设计更加强化因果规律的满足，通过构建抗遗忘条件与梯度正交机制 ，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，

以McCarthy对世界一般性表征的重视、这种结构化的信息输入被主张将有效优化动作的准确性 、这是具身智能模型训练的特殊要求。（定西）

物理原生智能具备三项核心特征 。以极大优化训练的稳定性。提出了“物理原生智能”（Physics-native Intelligence, Phi）的概念，将这些性质强制嵌入训练算法设计，

其三
，而非观测 ，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 。但须从世界模型、第一，