PhyMotion 开源：把 3D 人体放进物理模拟器，专治 AI 视频动作变形

如果你经常用 AI 生成视频，大概率见过这种惊悚场面：屏幕里的人在练瑜伽或者打太极，动作做着做着，突然多出一条胳膊，或者脚掌悬空滑行，整个人像橡皮泥一样被扯变形。

目前的视频大模型在画风景、静物时已经很逼真，但只要碰上花样滑冰、武术这类高难度的复杂动作，解剖学逻辑就会迅速崩溃。说白了，模型根本不知道现实世界的力学和骨骼规律，只能靠像素猜测下一帧长什么样。

研究团队发布了一篇论文，并开源了名为 PhyMotion 的新工具，目标就是给视频模型装一个懂物理的质检员。

把 3D 假人扔进物理模拟器

传统的视频强化学习后训练主要靠 2D 视觉信号来打分。问题是，2D 画面很容易被骗，一个人物明明双脚悬空、关节反折，但在二维构图上看着挺顺眼，打分系统可能照样给出高分。

PhyMotion 的思路非常聪明。它不直接看 2D 像素，而是先从生成的视频里反推人体的 3D 结构（SMPL 模型），然后把这个人体骨架直接扔进知名的 MuJoCo 物理模拟器里。

进了物理引擎，AI 人体就必须接受现实规则的拷问。系统从三个维度给它打分：运动学是否合理、身体与地面的接触与平衡是否一致，以及动力学上是否行得通。

比如关节旋转的角度会不会把人扭骨折？双脚踩地的时候有没有产生合理的支撑力？动作推进时有没有莫名其妙的悬浮？通过这套评分系统，模型能明确知道究竟是哪一步动作违反了物理规律，并据此获得奖励信号。

盲测涨了 68 分 Elo

根据研究团队公布的数据，这种基于物理引擎的奖励信号，比传统的打分方案更能契合人类的真实感知。

将 PhyMotion 用于自回归和双向视频生成模型的强化学习后训练后，生成的动作真实度出现了明显提升。在人类盲测评估中，它相比基线模型取得了 68 分的 Elo 提升。

对于花样滑冰、瑜伽、功夫这类极易翻车的动作，应用了新机制的生成器明显减少了肢体缺失和凭空多肢的情况，手脚与地面的接触也踏实了许多。

当然它现在还不是百分之百完美，极端复杂的动作里偶尔依然会有细微瑕疵。不过研究人员已经将相关代码开源，并提供了本地下载和配置说明。

为什么重要

我们认为，PhyMotion 最有价值的地方在于指明了一条后训练的新路径：别让 AI 靠猜像素去学世界模型，直接把成熟的物理引擎拉进来当老师。

过去大家寄希望于靠海量视频数据暴力出奇迹，让模型自己悟出物理规律。但实践证明，数据再多，模型在处理极限运动和复杂接触时依然会露出破绽。PhyMotion 借用成熟的机器人仿真工具 MuJoCo 来约束生成结果，既没有增加过于沉重的训练开销，又精准切中了动作视频最致命的痛点。

对普通创作者和影视从业者来说，这项技术如果被 Runway、Sora 或者各大开源视频工具整合，意味着未来生成人物打斗、舞蹈、运动镜头时的废片率会大幅下降。那些诡异的关节扭曲和滑步漂移，终于有了系统性的解法。

对于行业来说，单纯卷画面分辨率的阶段已经过去了。接下来视频模型的竞争线，显然会转向 3D 空间一致性和物理动力学真实度，而仿真引擎很可能成为下一代视频生成基座的标配部件。