Apple-π: Benchmark de razonamiento físico en modelos de vídeo | Evaluación de la inteligencia física basada en leyes naturales para IA | Medición de la coherencia física en sistemas generativos y predictivos de vídeo

Abstract

PROBLEMA: Los modelos actuales de vídeo e inteligencia física a menudo generan movimientos que violan leyes fundamentales de la física, dificultando su aplicación en robótica real. SOLUCIÓN: Se presenta Apple-π, un benchmark diseñado específicamente para evaluar el "pensamiento" de los modelos hacia la veracidad física en contenidos de vídeo. METODOLOGÍA: El benchmark evalúa si las predicciones de los modelos respetan principios como la conservación del momento y la gravedad a través de una serie de tareas de razonamiento visual complejo. RESULTADOS: Los resultados indican que incluso los modelos de vídeo más avanzados fallan en deducciones físicas básicas que un humano resolvería intuitivamente. RELEVANCIA: Es una herramienta crítica para avanzar hacia modelos de mundo que puedan integrarse de manera segura y predecible en sistemas físicos y robóticos.