物理AI实验室 // 第 3.2 集 // 小测
世界模型 用 Cosmos 造数据
生成未来(Predict)与迁移风格(Transfer)
01
下面哪种说法最贴近片中对“世界模型”的定义?
给过去的画面加一个动作,它预测下一刻的样子
一个按人写好的物理规则来渲染画面的引擎
一个把视频压成一串紧凑记号的视频分词器
一个预演几种动作、专门挑出最好那条的规划器
02
你手上有一批仿真渲染出的分割图和深度图,画面一看就很假。想把它们变成逼真的训练画面,该用哪件工具?
Cosmos Predict:给它首帧,让它顺着往下预测未来的画面
Cosmos Transfer:以分割、深度为条件,生成真实画面
视频分词器:把仿真画面压成记号,再解码出来就变逼真
护栏模块:先把不真实的画面统统拦下,只留下逼真的
03
有人引用“Cosmos 在机器人任务上拿到 78.3%”,说明它能让机器人的任务成功率接近八成。这个说法错在哪?
数字记错了,论文里这一项其实是 13.0%
78.3% 是仿真里的物理准确率,不是真实场景的
这是人类评审的总体偏好,不是机器人任务成功率
78.3% 是顶配机架上测的峰值,日常配置会低很多
04
用生成视频增强数据后,你逐帧检查,发现杯子在中途凭空消失,过一会儿又凭空出现。这说明什么,该怎么处理?
视频分词器压得太狠,换更高码率重新生成就不会再出现
这是常见的物理不一致,记进失败清单,别当真值用
提示词写得不够细,把描述补全就能保证物理正确
下游策略已经学坏了,应该先回头重训策略
05
哪句话最能概括片中对“用世界模型生成训练数据”的定位?
画面一旦足够逼真,就能直接当真值,替代真机采集
它主要服务自动驾驶,对机器人操作几乎帮不上忙
只要算力足够、能实时生成,物理不一致就会消失
它是数据放大器:便宜多样,能省真机,省不掉核对
看答案