物理

PhysDream是“物理预言家”，结合当前物理表征、环境状态和候选动作推演未来物理状态，预测打滑、脱手等风险并给出不确定性评估。

教具是两份：全球首个具备物理感知能力的Physical-WAM物理-世界动作模型，以及业内首个RoboTwin-Phys物理漂移评测基准——一个负责让机器人“懂物理”，具备人类式的预判能力，一个验证它是否真的“懂了”。

Physical-WAM作为业内首个具备物理感知能力的WAM基模，基于可观测数据与深层物理数据训练，能在真实任务中实时觉察物理变化，并预判动作后果、实时修正行为。

物理感知的下一步：边界探索与纵深推进

PhysAct则负责物理条件化动作生成，把物理属性与未来状态预测引入动作生成，当环境发生物理漂移时自动调整执行策略。

这套评测基准遵循三层递进逻辑：物理属性推断准不准、物理扰动下任务还成不成、性能差距的上界在哪里。

现有测评关注与被忽略的物理变量

一个模型可以在固定摩擦系数、固定物体质量的标准测试集上刷出高分，却对物理参数的扰动毫无鲁棒性。

这是业内首个以物理因素扰动为核心评测对象的机器人操作基准，能够把现实中抽象的物理参数，转化为可控、可标记、可复现的变量。

物理参数到动作的映射，高度依赖末端执行器的形态与动力学特性。

有效的物理交互样本诞生于真实或高保真仿真的接触过程：抓取、推拨、按压，每一次有效交互都伴随真机运动、接触反馈和物体状态改变。

由此形成客观现实，机器人可用的真实物理交互样本仅维持在百万量级，和文本图像领域数十亿级别的数据体量相比，存在数万级别的落差。

它本质上是个统计学模仿者，不是物理世界的参与者。

它虽然可以推演物理世界的演化，但无法感知物理本身——知道“下一帧画面会变成什么样”，却不知道“为什么会变成这样”。