先看一个例子：一辆黄色玩具小车，从外观上看，你可能会猜测它是塑料材质。但让它自由落体或者炸开，结果截然不同——自由落体能够揭示质量与速度，爆炸则暴露材料密度。一个外观相似的物体，可能是橡胶、塑料、金属甚至沙粒，只有让它“运动起来”，才能从碰撞、挤压的响应中判断其真实物理属性。

这篇论文提出的PhyMAGIC，思路非常直接：静态图像信息有限？那就让物体先动起来。该方法无需额外训练，而是先生成一组针对性的运动视频，将这些视频作为物理证据，再逐步修正对物体属性的判断。换句话说，视频生成模型不再仅仅是“生成好看的动画”，而是变成主动探测物理世界的工具。

图1 主动运动探测用于物理属性识别

论文链接：https://arxiv.org/pdf/2505.16456v3

开源代码：https://mengsiwei.github.io/MAGIC/

2. PhyMAGIC核心方法详解

PhyMAGIC的核心思想非常直观：如果静态图片中的信息不够，那就让物体先运动起来。生成视频虽然可能包含偏差，但它提供了静态图片中不存在的时间信息——这正是物理属性推断的关键线索。

5. 总结与未来展望

PhyMAGIC并不把生成视频当作真实世界的标准答案，而是将其作为一种主动探测工具。整个框架无需针对特定材料重新训练，图生视频模型、视觉语言模型、3D重建模块和物理模拟器均可按需替换，这种模块化设计使其能够随基础模型的发展持续升级。

当然，目前仍存在局限：单图3D重建质量会影响薄结构或复杂拓扑的物理粒子分布；视觉语言模型对物理参数的估计偏定性且近似，难以处理高频振动和精确摩擦系数；当前系统主要关注前景物体，尚未覆盖复杂关节结构和密集多物体交互。

未来方向是：利用探针视频与模拟结果之间的视觉误差，直接优化物理参数，让“主动观察—物理推断—动态仿真”形成更紧密的闭环。这项工作重新定义了视频生成模型在物理推断中的角色——它不仅是内容生成器，更是主动探索物理世界的“探针”。

关于作者团队

作者团队来自美国内华达大学里诺分校计算机科学与工程系和浙江大学软件学院，研究方向涵盖物理约束生成式人工智能、动态3D/4D生成、视频生成与可微物理仿真。