PhysisForcing от Peking University и Nvidia повысил успех роботов с 16% до 24%

Исследователи Peking University и Nvidia представили PhysisForcing — метод дообучения видеодиффузионных моделей с физическим контролем на этапе тренировки. Он поднял успех замкнутого управления роботом с 16% до 24% и занял первые места на R-Bench, PAI-Bench и EZS-Bench без роста вычислительных затрат при выводе.

• Успех замкнутого управления роботом вырос с 16% до 24%
• Wan2.2-A14B улучшен на 22,3 п.п. на R-Bench
• Cosmos3-Nano обошёл Veo 3.1, Hailuo v2 и Seedance 1.5 Pro
• Дополнительные компоненты отбрасываются после дообучения