本研究介绍了 X-VoE，一个全面基准数据集，用于评估人工智能代理对直观物理的理解。在 X-VoE 中，每个 VoE 场景包含三个不同的设置，探测模型对事件及其潜在解释的理解能力。通过 X-VoE 的实验结果显示，我们的模型在与人类常识进行测试时具有很好的一致性，并能通过重建隐藏场景来解释 VoE 事件。通过 X-VoE，我们推动了人类直观物理能力的人工智能发展。

Aug, 2023

本文综述了基于直觉物理的深度学习方法在物理推理方面的最新进展和技术。将现有的深度学习技术分为三个方面的物理推理，并将其组织为三种一般的技术方法，提出了该领域的六个分类任务。最后，本文强调了当前领域的挑战并提出了一些未来的研究方向。

Feb, 2022

本论文提出了一项基于视觉任务的评估基准，以测试人工系统对于宏观物体、运动、力等物理理解的程度，同时介绍了两个旨在以无监督的方式学习直观物理的深度神经网络系统，并通过与人类数据的比较，对下一帧预测建筑的潜力和限制进行了新颖的结果分析。

Mar, 2018

本文介绍了一个无需监督训练的系统 PHYsical Concepts Inference NEtwork (PHYCINE)，该系统可以发现和表示物理概念，包括物质和电荷，并且使用这些变量来获得比仅使用可见对象特征更好的因果推理性能。

Mar, 2023

根据物理理解为测试基准，通过深度生成神经网络的学习轨迹与儿童的发展轨迹进行比较，研究发现模型在两种假设下的学习轨迹均不符合儿童的发展轨迹。

Oct, 2023

研究了一种通过经验学习范例以获取内在的直觉物理模型的方法，并使用基于深度神经网络的新方法进行模型评估，提出了一个将机器人与图像相结合的模型学习动态模型的方法，在估计正向和反向模型的时候，反向模型的目标提供了构建有信息量的视觉特征的监督，这种联合建模方法在实验中表现出优异性能积。

Jun, 2016

本论文提出了一种通过学习多视角 RGB 图像预测场景未来发展的 3D 模型的框架，并使用条件神经辐射场视觉前端和 3D 基点动态预测后端来捕获底层环境的结构以及强关系和结构归纳偏差，相较于先前的方法，我们的模型对准确的点估计和跟踪不再具有依赖性，可以应对较复杂的场景，并在长时间预测方面表现较好。

Apr, 2023

本文提出了一种名为 VRDP 的统一框架，可以从视频和语言中联合学习视觉概念，并推断对象及其交互的物理模型，通过无缝集成三个组成部分：视觉理解模块、概念学习器和可微分的物理引擎。

Oct, 2021

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

通过自我监督的信号增强奖励价值，将模型训练出了刻画两个物理场景间相似度的能力，从而在 PHYRE 基准测试中显著提升了表现。

Feb, 2021