本文介绍了交互网络模型，它能够推断复杂系统中物体之间相互作用的方式，支持对系统动态预测，以及对系统抽象属性的推理。该模型使用深度神经网络进行对象和关系居中的推理，并可以推理多种具有挑战性的物理领域。 报告结果表明，它能够训练准确地模拟数十个对象在数千个时间步骤上的物理轨迹，估计能量等抽象量，自动推广到具有不同数量和配置的对象和关系的系统中。 该交互网络的实现是第一个通用的，可学习的物理引擎，是处理各种复杂真实世界领域中物体和关系的强大的通用框架。

Dec, 2016

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

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

提出了一种将物体建模为部件层次结构的物理推理方法，它可以从原始图像中无监督地学习发现物体、部件及其关系，并在建模合成和真实世界视频方面提高了强基线表现。

Oct, 2020

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

介绍了CRIPP-VQA数据集，该数据集包含具有物理性质的场景中物体运动的视频并配有各种类型的问题，强调了隐含属性问题和明确属性问题的巨大性能差距。

Nov, 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

计算机通过视觉能否感知物体的物理属性？我们提出了一种利用图像集合对物体的物理属性进行密集预测的新方法，通过借鉴人类如何通过视觉进行物理推理的方式，利用大型语言模型为每个物体提出候选材料，然后构建一个嵌入语言的点云，并利用零样本核回归方法估计每个三维点的物理属性，我们的方法准确、无需注释，并适用于开放世界中的任何对象。实验证明了该方法在各种物理属性推理任务中的有效性，如估计常见物体的质量以及摩擦和硬度等其他属性。

Apr, 2024

本研究解决了人工智能中理解和推理物体隐含物理属性的挑战，如质量和电荷等。在提出的组合物理推理（ComPhy）数据集中，我们介绍了一种新颖的神经符号框架（PCR），该框架能有效推断这些隐含属性，并进行未来和反事实预测，显示出显著的推理能力并能回答复杂问题。

Aug, 2024