标签
介绍了EVLA，这是一个通过实时感知电动动力总成状态来增强视觉-语言驾驶助手，从而实现能量最优和物理基础决策的框架。
本文发现了一种基于LLM的LEGO组装生成中的失败模式PhysHack，并提出PVPO，一种结合基于模型的数据选择的高效样本强化学习方法，仅使用一小部分训练数据即可改善物理和语义对齐。
WorldOlympiad 提出了一个全面的基准测试，用于评估基于视频的世界模型在物理真实性、几何一致性和交互保真度方面的表现，揭示了当前生成模型的显著差距。
Dream.exe 提出了一种评估框架，利用机器人操控任务来评估视频生成模型对物理现实的理解，结果发现视觉质量并不能预测可执行运动的准确性。
BilliardPhys-Bench 是一个新的基准测试，通过合成台球场景来评估多模态大语言模型的物理推理能力，要求预测碰撞和最终球的位置。论文发现，当前模型在较长的模拟中表现不佳，并表现出一种“静态偏差”——在不确定时预测无交互。
本文介绍了MM-CreativityBench，这是一个用于在物理约束环境下评估大型多模态模型创造性工具使用的基准，并提出了基于功能可见性的对齐方法，利用直接偏好优化来减少幻觉并提高基于事实的推理。
KinDER 是一个全新的开源机器人物理推理基准，采用程序化生成的环境并提供基准模型，旨在评估运动学和动力学约束方面的挑战。