2026年7月 世界人工智能大会（WAIC）创新发展论坛上，清华大学李升波教授发表了题为《迈向泛在具身智能之路：物理原生的世界模型、数据结构与训练算法》的主题演讲，介绍了”物理原生智能”（Physics-native Intelligence, Phi）的概念与定义，并系统阐述其核心特征与技术体系，为破解泛在物理世界的智能开发难题提供了全新技术范式。

这种设计不仅能够实现自适应的低通滤波，还具备对Lipschitz常数的有效控制，从而增强了神经元对输入扰动的抑制能力，并实现了更为平滑的输出。作为一种策略网络，与传统的多层感知机和LipsNet相比，SmODE在控制动作输出的平滑性方面表现出色，显著提升了各种强化学习任务中的平均回报。在系统时间常数固定的情况下，虽然较大的时间常数能够保证较好的平滑性，但也会引入额外的延时。考虑到对动作平滑性和高性

然而在大多数传统的在线强化学习算法中，策略函数通常被参数化为可学习的高斯分布，这限制了它们表达复杂策略的能力。通过利用扩散模型的反向去噪过程，DACER能够有效地学习多模态分布，使得创建更复杂的策略并提高策略性能成为可能。为展示DACER的多模态能力，我们选择了五个需要多模态策略的点：(0.5, 0.5)、(0.5, -0.5)、(-0.5, -0.5)、(-0.5, 0.5)和(0, 0)。相比

这种设计不仅能够实现自适应的低通滤波，还具备对Lipschitz常数的有效控制，从而增强了神经元对输入扰动的抑制能力，并实现了更为平滑的输出。作为一种策略网络，与传统的多层感知机和LipsNet相比，SmODE在控制动作输出的平滑性方面表现出色，显著提升了各种强化学习任务中的平均回报。在系统时间常数固定的情况下，虽然较大的时间常数能够保证较好的平滑性，但也会引入额外的延时。考虑到对动作平滑性和高性

为进一步改进该算法的迭代稳定性，并降低参数敏感度，团队提出了三项全新的值分布梯度修正技术，即Expected Value Substituting（EVS）、Twin Value Distribution Learning（TVDL）和Variance-Based Critic Gradient Adjustment（VCGA），并将其嵌入到第二代DSAC算法中（又称为DSAC-T）。目前，研究团

这种设计不仅能够实现自适应的低通滤波，还具备对Lipschitz常数的有效控制，从而增强了神经元对输入扰动的抑制能力，并实现了更为平滑的输出。作为一种策略网络，与传统的多层感知机和LipsNet相比，SmODE在控制动作输出的平滑性方面表现出色，显著提升了各种强化学习任务中的平均回报。在系统时间常数固定的情况下，虽然较大的时间常数能够保证较好的平滑性，但也会引入额外的延时。考虑到对动作平滑性和高性