Mar, 2016

摔倒还是不摔倒：一种物理稳定性预测的视觉方法

PDF
TL;DR本文挑战传统的基于模型的路线，采用直接从外观预测稳定性及其相关量的端到端方法，并提出了一种基于模拟数据的学习方法，用于预测由木质块组成的塔在不同条件下的稳定性以及与塔的潜在倒塌有关的量。
physical phenomenadevelopmental psychologyend-to-end approachlearning-based approachsimulated data
发现论文，激发创造
  • ShapeStacks：学习通用物体堆叠的基于视觉的物理直觉

    本文研究了智能 Agent 在执行复杂任务时所需的物理直觉，提供了一个基于模拟的数据集，利用视觉分类器进行物理稳定性预测，并通过利用被动 / 主动的物理直觉构造稳定的物体堆栈，并观察主动叠加任务引起的物体本质和对象自然属性 - 叠堆特征的引出。

    Apr, 2018

  • 通过示例学习积木塔的物理直觉

    探索深度前馈模型对婴幼儿木制积木玩具的直觉物理学习能力的研究，并运用三维游戏引擎创建稳定性随机的木制积木小塔并在其坍塌或保持竖直状态的情况下识别积木轨迹，训练大型卷积神经网络模型以准确预测结果，及在新的物理场景和真实木质积木的图像中进行泛化。

    Mar, 2016

  • 学习物理模型的视觉定位

    该论文提出了一种神经模型，同时基于物理学原理和视觉先验进行推理和预测，通过对粒子的估计预测物理参数，即视觉基础，并在刚体、可变形材料和流体的复杂环境中证明了它的有效性，允许模型在几次观察内推断出物理特性，从而快速适应未见过的场景并进行准确的未来预测。

    Apr, 2020

  • 无监督学习中的可推广特征

    本文探讨了无监督学习发现特征以提高预测模型泛化性能的潜力，并利用视频序列预测方块塔的稳定性，展示了模型训练得出的特征能够支持对超出训练集分布的方块配置进行稳定性预测。

    Dec, 2016

  • CoPhy: 计算物理动力学的反事实学习

    研究提出了一个新的问题，即如何从视觉输入中进行物体力学的反事实学习，并提出了一种用于在反事实情境下学习物理动态的模型。通过学习对初始条件进行干预时对其结果的影响，和对潜在因素的学习，该网络可以捕捉到物理环境的潜在特性，从而具有超越人类表现的预测能力。

    Sep, 2019

  • 通过观察视觉场景理解物理方程

    该论文介绍了一种新的算法，利用由 Observer Engine 和 Physicist Engine 组成的流程来从视频中推断出物理规律和数学公式，实验结果表明该算法能够有效地应用在不同的物理世界中。

    Nov, 2018

  • 可解释的直觉物理模型

    本文提出了一种可解释理解物理模型，其中瓶颈层的特定维度对应不同的物理属性，利用此模型我们对不同形状的碰撞进行了训练，并对不同类型的场景进行了推理，结果表明该模型能够很好地解释物理现象并进行泛化。

    Aug, 2018

  • 基于面向对象预测和规划的物理交互推理

    本研究提出了一种无需直接监督对象属性即可实现学习物理场景的物体中心表征的方法，我们的模型通过联合学习感知函数，物理交互函数和渲染函数，可以精确地预测物理变化并具有可操作性的直观物理表现。

    Dec, 2018

  • 物体中心视觉预测的物理动态学习

    本研究提出了一种无监督的物体中心预测模型，通过学习物体之间的视觉动态来进行未来预测，实验结果表明该模型在生成视觉质量和物理可靠性方面优于现有技术。

    Mar, 2024

  • 学习感知模型

    本文考虑了一个代理与未知和不确定的外部世界交互的情况，我们展示了预测了代理身体固有信息的模型会代表外部世界的对象，并通过积极预测身体信号来学习动态模型的过程具有优异的控制性能，此外还展示了使用相同模型可以回答关于真实世界中对象属性的问题。

    Apr, 2018