想象一部戏正在彩排：导演喊了一声“花瓶从桌上摔下来”，演员一松手，花瓶却像幽灵一样穿过了桌面，掉进了地板里，下一幕又从空中凭空出现。你一定会觉得这部戏“不可信”。这就是今天的主角——物理一致性。 视频生成模型就像一个从文字剧本直接拍片的 AI 导演，它很擅长渲染华丽的画面，却常常无视真实世界的规则：物体可以互相穿过、可以凭空消失、可以违背重力。物理一致性，就是要给这位 AI 导演配备一位严格的“舞台监督”，让每一次碰撞、坠落、遮挡都符合现实规律。 这篇文章会用片场的故事，带你认识物理一致性的内涵、挑战、评估方法和成熟路径，看看这位“穿模大王”如何一步步变成可信的世界模拟者。

岗位关联

对 AI 从业者而言，理解物理一致性是打开“视频生成走向世界模拟”这扇门的钥匙，它决定了生成内容能否用于影视预演、机器人仿真与自动驾驶等严肃场景。

目录
  1. 可视化演示
  2. 物理规律遵从：舞台上的万能法则
  3. 视频可信指标：观众手里的评分表
  4. 世界模拟愿景：从录像机到沙盒
  5. 核心挑战：既要会得多，又要听话
  6. 工程权衡：安全与速度的天平
  7. 一致性评测：考一考 AI 导演
  8. 技术成熟度：算法、算力与数据三驾马车
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

演示视频世界模型物理一致性：四大物理维度违规检测、物体持久性与时空连续性追踪、物理一致性评分与评估指标。

本节配有交互动效（进入视口后自动加载，约 3KB）。

四大物理一致性维度 刚体约束：物体形状不可凭空改变或穿模 重力一致：物体下落遵循重力加速度规律 碰撞检测：物体间不可互相穿透，需有碰撞响应 Score = Σ(w_i × Consistency_i) 物理一致性是视频世界模型可信度的核心指标

物理规律遵从：舞台上的万能法则

新来的 AI 导演拍过很多风景大片，却从没学过“物体怎么动”。它让茶杯悬浮、让球穿墙，后台的舞台监督气得直跺脚。舞台监督手里有一本万能法则：任何物体都必须遵循环环相扣的三条基本规则——刚体不变形、重力时刻存在、碰撞必须响应。

这三条规则翻译成技术语言，就是物理规律遵从。视频世界模型在生成连续帧时，不能只追求单帧画质，还要让画面中的物体运动符合力学方程。模型需要从海量视频数据中隐式学习这些规律，或在生成过程中显式加入物理引擎约束。

最基本的刚体运动可以用牛顿运动定律描述。在重力作用下，物体的位置随时间变化满足运动学方程。碰撞发生后，物体需要根据质量、速度和恢复系数更新速度，否则就会出现物体互相嵌入的“穿模”现象。

有了这几条公式，舞台监督就能预估每一个物体的运动轨迹。如果 AI 导演生成的花瓶在 t=0.5 秒时的位置偏离公式太远，监督就会打回重拍。物理一致性，就是让模型生成的每一帧都在这些法则的允许范围内。

x(t)=x0+v0t+12gt2\displaystyle \mathbf{x}(t)=\mathbf{x}_0+\mathbf{v}_0 t+\frac{1}{2}\mathbf{g}t^2
  1. 位置向量 \mathbf{x}(t)描述 t 时刻物体在三维空间中的位置，是模型需要输出的基础量。
    x(t)\displaystyle \mathbf{x}(t)
  2. 初始位置 \mathbf{x}_0物体在 t=0 时刻的起点，相当于舞台上的入场站位。
    x0\displaystyle \mathbf{x}_0
  3. 初速度项 \mathbf{v}_0 t如果物体一开始就在运动，这个速度会让位置随时间线性漂移。
    v0t\displaystyle \mathbf{v}_0 t
  4. 重力项 \frac{1}{2}\mathbf{g}t^2重力加速度随时间累积导致的位移，正是“苹果下落”的原因。
    12gt2\displaystyle \frac{1}{2}\mathbf{g}t^2

视频可信指标：观众手里的评分表

对普通观众来说，他们不会看公式，只会凭直觉判断“这视频真不真”。舞台监督把这些直觉变成了一张评分表：穿模扣分、凭空消失扣分、画面抖动扣分。物理一致性，正是评分表上权重最高的一项。

在评估视频世界模型时，我们需要把“可信”变成可计算的指标。最简单的方法是统计所有视频帧中发生物理违规的比例。物理学得好，违规帧就少，评分就高。

设一个视频共有 T 帧，第 t 帧发生穿模或物体消失等物理违规时记 1，否则记 0。物理一致性分数 P 就是未违规帧占比。这个指标虽然粗糙，却是当前业界最常用的基础指标。

舞台监督每天拿着这张评分表抽查 AI 导演的样片。只要穿模率从 10% 降到 1%，观众就会觉得“这次可信多了”。视频可信的第一步，不是画面多精美，而是物理上不闹笑话。

Pphys=1−1T∑t=1T1[violationt]\displaystyle P_{\text{phys}}=1-\frac{1}{T}\sum_{t=1}^{T}\mathbb{1}[\text{violation}_t]
  1. 物理一致性分数 P_phys范围 0 到 1，越高代表视频越守规矩。
    Pphys\displaystyle P_{\text{phys}}
  2. 总帧数 T视频包含的帧数，相当于评分表上的检查点总数。
    T\displaystyle T
  3. 违规函数 \mathbb{1}[\cdot]当方括号里的条件为真时取 1，否则取 0。
    1[violationt]\displaystyle \mathbb{1}[\text{violation}_t]
  4. 违规占比均值对所有帧的违规取平均，再用 1 减去它，得到“守规矩帧”的比例。
    1T∑t=1T1[violationt]\displaystyle \frac{1}{T}\sum_{t=1}^{T}\mathbb{1}[\text{violation}_t]

世界模拟愿景：从录像机到沙盒

早期的 AI 导演像一台高级录像机：你说一句话，它输出一段漂亮的视频，但这段视频不能互动，也没有真正的内在逻辑。物理一致性把录像机升级成了沙盒——在沙盒里推倒一块积木，旁边的积木会跟着倒下，碎了之后不会自动复原。

这正是世界模型与普通视频生成模型的本质差异。视频世界模型要学习的是世界状态如何随动作改变，因此需要在生成过程中建立因果推演。物理一致性是这种推演能力的基石：没有它，状态之间的转换就没有可信的因果链。

在技术层面，世界模型常把视频生成建模为状态转移过程。当前状态 s_t 与用户动作 a_t 共同决定下一状态 s_{t+1}。这个函数 F 必须保持物理约束，例如推一个球，球会滚动而不是凭空加速。

舞台监督把沙盒的每一条物理规则都写进了 F 函数。AI 导演不再只是“拍”一个球落地，而是“推演”球落地后会发生什么。当模型能做到这一点，它就从一台放录像的机器，变成了一个能与人玩互动游戏的迷你宇宙。

st+1=F(st,at)+ϵ\displaystyle \mathbf{s}_{t+1}=\mathcal{F}(\mathbf{s}_t,\mathbf{a}_t)+\boldsymbol{\epsilon}
  1. 状态向量 \mathbf{s}_tt 时刻世界的完整描述，包括物体位置、速度、形状等。
    st\displaystyle \mathbf{s}_t
  2. 动作 \mathbf{a}_t外部干预，例如“推一把”或“按一下”。
    at\displaystyle \mathbf{a}_t
  3. 状态转移函数 \mathcal{F}世界模型要学习的核心，它决定了下一帧会发生什么。
    F(st,at)\displaystyle \mathcal{F}(\mathbf{s}_t,\mathbf{a}_t)
  4. 噪声 \boldsymbol{\epsilon}表示真实世界中的随机扰动，让模型不至于变成完全确定的死板规则。
    ϵ\displaystyle \boldsymbol{\epsilon}

核心挑战：既要会得多，又要听话

如果舞台监督过于苛刻，要求每个演员每秒都必须站在精确坐标上，那表演就会变得像木偶戏。AI 导演也一样：既要能泛化出千变万化的场景，又要听从指令生成指定动作。物理一致性训练往往卡在这个两难里。

模型如果完全没有物理约束，生成内容会穿模；如果物理约束过强，模型会“只懂物理，不懂剧情”，面对“穿裙子弹跳”这种少见指令时动作退化。当前视频生成模型的主要短板，就是在泛化能力和任务可控性之间找不到稳定的平衡点。

工程上常用多目标损失函数来平衡二者。总损失由任务损失和物理损失组成，λ 是物理约束的权重。λ 越大，物理一致性越强；但 λ 过大会压制任务相关的多样性。

舞台监督给 AI 导演定了规矩，但也会在演出评估时给“即兴发挥”留一点空间。λ 就是这个留白的大小。真正的难点不是把 λ 调大，而是找到那个让模型既懂物理、又懂表演的甜蜜点。

L=Ltask+λ Lphys\displaystyle \mathcal{L}=\mathcal{L}_{\text{task}}+\lambda\,\mathcal{L}_{\text{phys}}
  1. 总损失 \mathcal{L}训练时希望最小化的目标，衡量生成结果好坏。
    L\displaystyle \mathcal{L}
  2. 任务损失 \mathcal{L}_{\text{task}}衡量生成视频与用户提示的匹配程度，比如“篮球灌入篮筐”是否满足。
    Ltask\displaystyle \mathcal{L}_{\text{task}}
  3. 物理损失 \mathcal{L}_{\text{phys}}衡量每一帧是否违反物理规律，例如物体重叠面积。
    Lphys\displaystyle \mathcal{L}_{\text{phys}}
  4. 权重 \lambda一个可调旋钮，决定把多少注意力分给物理监督。
    λ\displaystyle \lambda

工程权衡：安全与速度的天平

现实中的舞台监督要考虑时间成本：如果每演一秒都要停下来检查十遍物理细节，整场戏根本排不完。部署视频世界模型也同样如此，物理校验不是免费的，它会吃掉宝贵的推理预算。

在工程落地时，物理一致性往往通过后处理校验、物理引擎约束或多轮采样纠错来实现。这些方法都能减少穿模，但会增加单次生成的延时。安全性和效率之间的博弈，成了从实验室走向产品必须跨过的坎。

我们把单次视频生成的推理时间记为 T_infer，物理校验带来的期望损失记为 E[L_phys]。工程优化的目标是在推理时间不超过预算的前提下，尽量降低物理损失。这是一种带约束的多目标优化问题。

聪明的舞台监督不会检查每一帧，而是挑关键动作点抽查；工程上也可采用抽帧检测、只检测关键物体的轻量策略。安全不能靠无限加时来实现，而是要在天平的砝码之间找到工程最优解。

min⁡θ E[Lphys]s.t.Tinfer≤Tbudget\displaystyle \min_{\theta}\ \mathbb{E}[\mathcal{L}_{\text{phys}}]\quad \text{s.t.}\quad T_{\text{infer}}\le T_{\text{budget}}
  1. 优化对象 \theta视频模型的参数，工程优化就是要更新这一组参数。
    θ\displaystyle \theta
  2. 期望物理损失对所有可能生成样本的平均违规程度，目标越小越好。
    E[Lphys]\displaystyle \mathbb{E}[\mathcal{L}_{\text{phys}}]
  3. 推理时间 T_infer从输入提示到输出完整视频所需的时间，类似舞台排练总时长。
    Tinfer\displaystyle T_{\text{infer}}
  4. 预算约束 T_budget产品可接受的延迟上限，超出则不可用。
    Tinfer≤Tbudget\displaystyle T_{\text{infer}}\le T_{\text{budget}}

一致性评测：考一考 AI 导演

怎么知道 AI 导演真的学会了舞台法则？靠嘴说不行，必须出题考试。舞台监督会故意安排一些陷阱：把球放到桌边，看它会不会掉下去；用布景遮住物体，再看它重现时是否还在原位置。

学术界把这类考题称为物理对抗测试。常见评测方式包括：让模型根据上一帧生成下一帧，检查物体是否发生穿模或突变；设置物理问答任务，让模型预测物体运动结果；再由人工或自动规则打分。

一个自动评测指标是物理违规率。通过对相邻帧做分割和匹配，计算同一物体在帧间掩膜的交并比 IoU。如果两个本来分离的物体突然大面积重叠，就判定为穿模违规。

这就像舞台监督用一把尺子量演员之间的距离：只要超过安全阈值就吹哨。有了客观考题，AI 导演的物理成绩从“我觉得还行”变成了可量化、可对比的数字，也才谈得上持续改进。

VR=1N∑i=1N1[IoUi>τ]\displaystyle \text{VR}=\frac{1}{N}\sum_{i=1}^{N}\mathbb{1}[\text{IoU}_i>\tau]
  1. 违规率 VR一段视频中发生物理违规的样本比例。
    VR\displaystyle \text{VR}
  2. 样本数量 N抽取检查的物体对或帧对总数。
    N\displaystyle N
  3. 交并比 IoU_i第 i 对物体在前后帧空间区域的重叠程度，0 到 1。
    IoUi\displaystyle \text{IoU}_i
  4. 阈值 \tau超过这个重叠比例就判为穿模，通常是人工设定的容忍度。
    τ\displaystyle \tau

技术成熟度：算法、算力与数据三驾马车

要让 AI 导演从“偶尔守规矩”变成“稳定守规矩”，光靠一个优秀的舞台监督不够，还要有好剧本、好剧场、好的排演机制。换句话说，物理一致性的成熟靠的是算法、算力、数据三驾马车一起拉。

算法创新负责把物理规律注入模型，比如新的物理感知损失、自回归状态空间等；算力支撑让大规模物理仿真和训练成为可能；数据质量决定了模型从真实视频中学习物理规律的起点。三者协同迭代，才能让技术点成熟为产品能力。

我们可以用一个加权成熟度指标来粗略刻画三者的贡献。A、D、C 分别代表算法、数据、算力的归一化水平，α、β、γ 是权重。任何一项太低，总成熟度都会受拖累。

舞台监督的经验再丰富，没有合格的演员和排练厅也没戏。算法、数据、算力三者的螺旋上升，正在把 AI 导演从“穿模大王”一步步训练成可信的世界模拟者。这条路还长，但方向已经写在物理一致性这个路标上。

M=αA+βD+γC\displaystyle M=\alpha A+\beta D+\gamma C
  1. 成熟度 M综合衡量物理一致性技术的可用程度。
    M\displaystyle M
  2. 算法水平 A包括模型架构、训练策略和推理优化。
    A\displaystyle A
  3. 数据质量 D物理交互数据的覆盖度、标注准确度和多样性。
    D\displaystyle D
  4. 算力水平 C可用于仿真和训练的计算资源。
    C\displaystyle C
  5. 权重系数 \alpha,\beta,\gamma不同阶段三者的重要程度不同，需要动态调整。
    αA+βD+γC\displaystyle \alpha A+\beta D+\gamma C

AI 应用场景

影视虚拟预演

阶段：视频生成与内容预演

解决的问题：传统分镜预览靠二维动画或手工草图，无法准确表现爆炸、撞击、坠落等物理效果；AI 导演加持物理一致性后，可快速生成可信的动态预演，减少实拍返工。

具体案例：某特效团队用视频世界模型生成“太空舱翻滚着陆”的样片，模型根据质量、重力、碰撞参数自动修正舱体轨迹，避免穿模，导演直接依据样片与物理顾问沟通。

机器人仿真训练

阶段：训练数据生成与仿真环境

解决的问题：真实机器人数据采集昂贵且危险，物理一致的合成视频可以填补长尾场景，帮助机器人学习物体掉落、抓取等物理动作。

具体案例：机械臂抓取训练中，先用视频世界模型生成含物理一致轨迹的合成视频，再用于预训练视觉策略，模型在真实环境中抓取成功率明显提升。

自动驾驶边缘场景库

阶段：模型评测与安全测试

解决的问题：真实交通数据中极端事故场景少，物理一致视频世界模型可以生成符合牛顿力学的车辆侧翻、货物坠落等场景，用于自动驾驶系统的安全压力测试。

具体案例：测试团队用提示词“厢式货车急刹导致后斗货物飞出”生成一连串物理一致的合成视频，验证毫米波雷达与视觉融合算法能否及时识别动态障碍。

Python 演示

python50 行
class Ball:    def __init__(self, x, y, vx, vy, radius):        self.x = x        self.y = y        self.vx = vx        self.vy = vy        self.r = radius     def update(self, dt, gravity, floor_y, restitution=0.7):        self.vy += gravity * dt        self.y += self.vy * dt        if self.y + self.r >= floor_y:            self.y = floor_y - self.r            self.vy = -self.vy * restitution  class BadBall(Ball):    def update(self, dt, gravity, floor_y, restitution=0.7):        self.vy += gravity * dt        self.y += self.vy * dt  def simulate(frames, dt, gravity, floor_y, ball):    data = []    for _ in range(frames):        ball.update(dt, gravity, floor_y)        data.append((ball.x, ball.y))    return data  def check_penetration(data, floor_y, radius):    bad_frames = 0    for _, y in data:        if y + radius > floor_y + 0.5:            bad_frames += 1    score = 1 - bad_frames / len(data)    return bad_frames, score  if __name__ == "__main__":    good_ball = Ball(150, 20, 60, 0, 12)    good_data = simulate(120, 0.02, 980, 300, good_ball)    good_bad, good_score = check_penetration(good_data, 300, 12)     bad_ball = BadBall(150, 20, 60, 0, 12)    bad_data = simulate(120, 0.02, 980, 300, bad_ball)    bad_bad, bad_score = check_penetration(bad_data, 300, 12)     print("物理一致模型: 穿模帧 {} 一致性评分 {:.2f}".format(good_bad, good_score))    print("无物理约束模型: 穿模帧 {} 一致性评分 {:.2f}".format(bad_bad, bad_score))
目的：模拟有物理约束和无物理约束两种小球下落轨迹，统计穿模帧并计算物理一致性评分。
  1. self.vy += gravity * dt先按重力更新速度，模拟自由落体。
  2. if self.y + self.r >= floor_y:检测球底是否触地，相当于物理规则开关。
  3. self.vy = -self.vy * restitution用恢复系数反转法向速度，让球弹起。
  4. class BadBall(Ball)继承类但故意省略碰撞处理，用来制造“穿模视频”。
  5. score = 1 - bad_frames / len(data)计算物理一致性评分，公式对应正文中的 1 - 违规占比。

常见误区

误区物理一致性只是让视频不穿模而已，训练时在损失函数里加一条惩罚就能搞定。

正解物理一致性是复合问题：重力、碰撞、刚体、物体恒存、时间连贯缺一不可。简单惩罚会与生成质量冲突，甚至导致画面模糊。它需要模型架构、训练数据和物理约束的共同设计，而不是一个 loss 的事。

为何常见：人们最容易看到的现象就是穿模，于是误以为只要惩罚穿模就解决了全部问题，忽略了背后的动力学建模。

误区视频卡顿、穿模是因为帧率太低，只要把生成帧率提高，物理一致性自然就好了。

正解帧率高只是采样更密，但模型仍可能生成违反重力的轨迹。物理一致性是关于物理动力学的正确性，不是时间分辨率。把一盏闪烁的灯拍得更清晰，它还是在闪。

为何常见：视频质量差时，低帧率确实容易暴露问题，所以人们容易把时序问题归因于帧率。

误区生成视频和真实视频越像，就说明物理一致性越好。

正解全局相似度指标可能忽略局部物理细节。一段视频可能画面风格高度还原，但球的轨迹却不符合牛顿力学。需要专门的物理规则检测，比如碰撞重叠、重力加速度、物体恒存性。

为何常见：相似度指标最容易获取，而物理检测需要分割模型和规则引擎，门槛更高。

误区物理一致性约束会让 AI 导演不敢创新，生成内容千篇一律。

正解物理一致性约束的是底层动力学，不是内容创意。真实世界物理规则统一，但生活依旧多样。好的模型能在约束内保持泛化，就像所有芭蕾舞者都要遵守重力，却依然能跳出无数种舞姿。

为何常见：看到过强正则化导致模型退化的案例后，人们容易把“约束”等同于“限制”，忽略了约束也能带来结构化先验。

误区物理一致性难是因为算力不够，堆更多 GPU 就能自动解决。

正解算力是必要条件，但不是充分条件。还需要高质量物理标注数据、合理的物理注入算法。只有算力而数据稀疏，模型依然无法学会“物体被遮挡后应保持恒存”这类规律。

为何常见：大模型时代常常把问题归结为规模不足，但物理一致性是一个系统性问题，不能只靠堆资源。

面试题

Q1. 物理一致性主要解决视频生成中的哪种问题？

单选题 · easy

  • A.画面分辨率偏低
  • B.物体穿模或凭空消失← 正确答案
  • C.色彩饱和度失调
  • D.音画不同步严重

答案：B。物理一致性关注的是物体是否符合真实世界规则，核心表现就是物体不能穿模、不能凭空消失。A、C、D 分别属于清晰度、画质和后期同步问题，都不是物理一致性的直接范畴。

Q2. 刚体运动的正确描述是？

单选题 · easy

  • A.物体运动时发生明显形变
  • B.物体形状体积保持不变← 正确答案
  • C.物体碰撞后完全静止
  • D.物体只受重力单一作用

答案：B。刚体是指在运动过程中形状和体积保持不变的理想物体。A 是软体的特征，C 过于绝对，D 忽略了其他力。刚体可以受到多种力，但自身不变形，这正是物理一致性中“刚体约束”的含义。

Q3. 物体被遮挡后再次出现时，可信视频应满足？

单选题 · easy

  • A.颜色随机闪动
  • B.位置和状态连续← 正确答案
  • C.形状明显改变
  • D.速度方向反转

答案：B。物体被遮挡后再次出现，位置和运动状态应该连续，这是物体恒存性的基本要求。颜色闪动、形状突变或速度反转都会让观众觉得视频不可信，属于典型的物理违规。

Q4. 在视频世界模型中，“物体恒存性”主要指？

单选题 · mid

  • A.物体颜色保持恒定
  • B.遮挡前后位置连续← 正确答案
  • C.物体永远保持静止
  • D.物体纹理不变化

答案：B。物体恒存性强调物体在遮挡或离开画面后仍然存在，再次出现时位置和状态应自然衔接。颜色和纹理不是恒存性的重点，物体也不一定是静止的。遮挡连续性才是物理一致性的关键。

Q5. 物理一致性评估可采用哪些手段？

多选题 · mid

  • A.检测分割掩膜重叠← 正确答案
  • B.人工观看并打分← 正确答案
  • C.重模拟并对比轨迹← 正确答案
  • D.统计输出分辨率

答案：ABC。掩膜重叠可以自动识别穿模，人工评分能捕捉难以量化的违和感，重模拟对比轨迹能验证运动是否符合力学。分辨率是画质指标，与物理规则无关，因此不选 D。

Q6. 视频世界模型相比常规视频生成模型的核心理念是？

单选题 · mid

  • A.追求更高画面分辨率
  • B.学习状态转移与因果推演← 正确答案
  • C.降低数据依赖程度
  • D.输出三维网格模型

答案：B。视频世界模型的核心不是画质，而是学习状态转移函数，从而支持因果推演和交互。A 是画质目标，C 和 D 都不是世界模型的关键特征。世界模型要回答“下一步会发生什么”，而不是“下一帧长什么样”。

Q7. 平衡物理一致性与任务可控性的常用手段包括？

多选题 · hard

  • A.调节物理约束的权重← 正确答案
  • B.用物理引擎做软约束← 正确答案
  • C.完全放弃物理约束
  • D.使用可控条件注入← 正确答案

答案：ABD。调节权重可以直接控制物理约束强度，物理引擎软约束能提供可微的动力学指导，可控条件注入能提升任务完成度。完全放弃物理约束必然导致穿模，所以 C 错误。工程上需要的是组合手段，而不是极端取舍。

Q8. 推理时加入物理校验会带来的主要挑战是？

单选题 · hard

  • A.色彩变得更加丰富
  • B.增加推理延迟成本← 正确答案
  • C.缩短视频生成时长
  • D.显著减少训练数据

答案：B。物理校验要在生成过程中额外做碰撞检测或仿真计算，这会显著增加推理延迟。色彩和训练数据与推理期校验无关，视频生成时长也不会因此缩短。这正是工程权衡中“安全与效率”的矛盾。

Q9. 技术成熟度依赖哪些方面协同？

多选题 · hard

  • A.算法创新持续迭代← 正确答案
  • B.算力基础设施支撑← 正确答案
  • C.高质量物理仿真数据← 正确答案
  • D.营销推广策略优化

答案：ABC。算法提供注入物理规律的方式，算力支撑大规模训练与仿真，数据决定模型学习物理规则的起点。这三者才是技术成熟度的三驾马车。营销推广属于商业行为，不改变技术能力。

Q10. 若物理损失权重 λ 过高，最可能出现？

单选题 · extreme

  • A.所有物体趋于静止
  • B.动作模板化或退化← 正确答案
  • C.画面分辨率降低
  • D.音频与画面错位

答案：B。λ 过高会让模型过度讨好物理损失，牺牲任务多样性，生成动作趋于保守和模板化，比如所有球都只做标准抛物线运动。物体完全静止是极端情况之一，但更常见的是动作退化；分辨率、音频与物理权重无直接关系。