本文提出了神经物理引擎（NPE），它是一个学习具有直觉物理的模拟器的框架，并自然地推广到可变对象计数和不同场景配置。作者将物理场景分解为可组合的基于对象的表示，并使用神经网络架构对对象动态进行分解。通过与非结构化架构进行比较，作者表明，NPE对物理交互中的结构表示改善了其预测运动能力，能够在不同场景中进行推广，并推断出物体的潜在属性。

Dec, 2016

本文介绍了一种基于视觉交互网络的模型，能够从原始视觉观察数据中学习物理系统的动力学，在复杂的物理环境中支持基于模型的决策制定和规划。该模型由基于卷积神经网络的感知前端和基于交互网络的动力学预测器组成，支持从少量视频帧生成准确的未来轨迹预测。

Jun, 2017

本文提出一种无监督的学习方法，利用先验知识模拟人类感知的组成性质，从视觉图像中发现对象并建模它们之间的物理交互，具有优秀的计算效率和建模能力，能够处理遮挡和推广到不同数量的对象场景。

Feb, 2018

介绍了一种基于图网络的学习模型，实现了对象和关系为中心的表示的归纳偏差，从而能够更准确地预测复杂动态系统的行为，并支持在线与离线规划。

Jun, 2018

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

本文介绍了Physion这一用于评估视觉算法理解真实世界物理动态能力的数据集和基准测试，通过对一系列模型的基准测试发现，生成对象中心表征的视觉算法通常优于未生成该表征的算法，但仍远远落后于人类的表现。我们公开发布了所有数据和代码，以便全面重现这一基准测试，并能够系统地评估视觉算法理解物理环境的进展。

Jun, 2021

我们提出了一种物体为中心的模型，使用图神经网络中的对比学习在潜在空间中预测未来的状态，并注入了显式归纳偏置以帮助提高模型的预测准确性。我们的模型不仅可捕捉物体交互作用，而且能够提高物体位置的定位能力，且实验表明我们的模型在多个领域中具有显著的优势。

Jul, 2021

研究弹性物理性质潜在表示在图动力学学习中的应用，提出了EDO-Net模型将自适应模块和前向动力学模块结合，通过拉力交互实现对不同弹性物质的学习和预测，并在仿真和实际世界中进行了测试和验证。

Sep, 2022

提出了一种名为Physion++的数据集和评测基准，旨在严格评估视觉物理预测在人工系统中的表现，其中预测依赖于对场景中物体的潜在物理属性的准确估计，结果发现，所有现有的先进模型都没有像人类一样学习进行物理预测。

Jun, 2023

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