PhysAgent：反射代理物理控制，用于生成物理上合理的视频

基于物理的视频生成的最新进展利用物理模拟作为物理先验，指导视频合成获得物理上合理的结果。仿真过程由物理规范控制，这些规范通常由视觉语言模型一次性生成。这种一次性预测通常无法准确地将用户意图转化为可执行的模拟，特别是对于细粒度的对象动力学、复杂的运动轨迹和时间结构化的交互。在本文中，我们提出了 PhysAgent，这是一种反射代理框架，它关闭了物理程序生成、物理模拟、特定阶段验证和目标程序修复之间的循环。除了改进耦合物理参数的控制之外，我们的框架还使智能体能够通过将每个物理程序视为可执行的假设来逐步实现复杂的轨迹、多阶段交互和精确的事件结果。此外，我们还设计了一组物理控制API来支持更稳定和更复杂的运动行为。大量实验表明，PhysAgent 可以生成物理上更合理的视频，实现更好的即时对齐，并更有效地在不同的物理场景中进行泛化。