技术深度解析
核心创新在于将复杂物理问题框定为确定性或随机性模拟器内的强化学习任务。智能体（通常是一个深度神经网络策略）接收模拟世界的观测数据（例如位置、速度、角度、力），并采取能改变状态的动作。其目标是最大化一个奖励函数，该函数经过精心设计，以契合解决特定物理谜题的目标。
对于涉及平衡复杂结构或实现特定抛体运动的问题，奖励可能与距离目标状态的远近成反比，或与系统的稳定性成正比。智能体通过诸如近端策略优化、软演员-评论家或DreamerV3等算法探索动作空间。其中，DreamerV3是一种基于模型的RL算法，它学习一个紧凑的世界模型并在其中进行规划。来自Google DeepMind的DreamerV3在实现复杂领域中的样本高效学习方面影响尤为深远，使得在高保真模拟器中进行密集型训练变得更加可行。
模拟器本身是关键。基于Omniverse的NVIDIA Isaac Sim等平台，以及PyBullet、MuJoCo和Drake Toolkit等开源项目，提供了必要的物理真实感。它们实时解算运动方程，处理碰撞、摩擦模型（库仑摩擦、粘性摩擦）、空气动力学和复杂的多体动力学。训练流程通常包含领域随机化——在训练中改变质量、摩擦系数、重力常数等模拟参数——以防止智能体过度拟合完美的数字世界，并为其适应现实世界的噪声做好准备。
一个关键的开源代码库是`google-deepmind/physics_planning_games`，它提供了测试物理推理的环境和基准。另一个是`facebookresearch/habitat-sim`，专注于逼真3D环境中的具身AI。进展是可量化的。最近的基准测试显示，在涉及静力学、动力学和电磁学的物理奥赛风格题目集上，RL智能体的成功率超过90%。而传统的符号求解器或纯LLM若没有明确的方程表述，在这些问题上则举步维艰。
| 训练范式 | 关键算法 | 所用模拟器 | 样本效率（解决问题所需回合数） | 物理谜题成功率 |
|---|---|---|---|---|
| 无模型RL (PPO) | 近端策略优化 | PyBullet | ~500-1000万 | 75-85% |
| 基于模型的RL (DreamerV3) | 潜在世界模型 | Isaac Sim | ~100-200万 | 88-92% |
| LLM + 符号求解器 | 思维链提示 | 不适用（文本） | 不适用 | 65-78%（波动很大） |
数据要点： 与无模型方法相比，基于模型的RL（特别是使用DreamerV3等学习型世界模型）在物理推理任务上表现出显著更优的样本效率和最终性能。它也 consistently 优于使用LLM生成符号方程的范式，凸显了通过交互学习相较于通过描述学习的优势。
关键参与者与案例研究
开发具备物理直觉AI的竞赛由企业实验室、学术机构和模拟平台提供商共同引领。
Google DeepMind 可以说是先驱，在模拟环境中使用RL有着悠久历史，从玩Atari游戏到掌握《星际争霸II》。他们在DreamerV3及其机器人学应用方面的工作提供了基础方法论。Danijar Hafner（Dreamer创造者）和David Silver等研究人员一直主张学习世界模型对于通用智能的首要性。DeepMind的“物理即模拟器”研究主线明确探索了AI如何通过互动发现定律。
NVIDIA 不仅是硬件赋能者，更是通过其NVIDIA Isaac机器人平台成为核心推动者。Isaac Sim提供了一个物理精确、GPU加速的模拟环境，正成为训练复杂RL策略的事实标准。通过将模拟与其机器人技术栈紧密集成，NVIDIA正将自己定位为整个领域的基础设施层。他们在AI“化身”方面的工作——让其在模拟中学习运动技能——与物理奥赛智能体的概念直接平行。
OpenAI 尽管近期更专注于LLM，但通过OpenAI Gym（机器人模拟）以及他们利用RL和模拟让机械手解魔方等项目，奠定了关键基础。他们对RL缩放定律的强调，表明其相信将大规模算力应用于模拟可以在物理推理方面取得突破。
学术重镇： 麻省理工学院的计算机科学与人工智能实验室、加州大学伯克利分校的RAIL实验室和斯坦福大学的IRIS实验室是成果丰硕的贡献者。伯克利分校Sergey Levine教授的研究小组推进了离策略RL和离线RL技术，这些技术对于将策略从模拟转移到现实世界至关重要。