Physics-Constrained World Models as Temporal Critics for Self-Correcting Video Generation via Differentiable Simulation Feedback

تقدم هذه الورقة إطارًا نمذجيًا لنماذج العالم ذاتية التصحيح والمقيدة بالقوانين الفيزيائية (Physics-Constrained Auto-Correcting World Models)، والمستخدمة في توليد ديناميكيات متعددة الأجسام متسقة زمنيًا، بالإضافة إلى إنتاج تسلسلات بصرية مشابهة ذات ترابط زماني مستقر. يدمج النظام المقترح بين ديناميكيات عصبية قائمة على التفاعل (Interaction-Based Neural Dynamics) وقيود مستندة إلى القوانين الفيزيائية، بهدف تحقيق الاستقرار عبر مدد زمنية طويلة وضمان المعقولية الفيزيائية للمخرجات. وعلى خلاف النماذج التوليدية التقليدية التي تعتمد بصورة كاملة على التعلم المستند إلى البيانات، فإن النظام المقترح يدمج بشكل مباشر الديناميكيات العصبية التفاعلية مع القيود الفيزيائية. يعتمد النموذج على مولد كامن (Latent Generator) مسؤول عن تهيئة حالات النظام، وشبكة تفاعل (Interaction Network) تتعلم ديناميكيات التفاعل الثنائية بين الأجسام، وناقد زمني (Temporal Critic) يقوم بتقييم جودة المسارات الحركية الناتجة، بالإضافة إلى وحدة تصيير قابلة للتفاضل (Differentiable Rendering Module) تعمل على تحويل الحالات الفيزيائية إلى إطارات بصرية. ومن أبرز الأفكار المقدمة في هذا العمل آلية التصحيح الذاتي الناعم (Soft Self-Correction Mechanism)، والتي تُمكّن النموذج من تحسين تنبؤاته بصورة مستمرة أثناء عملية التوليد الزمني (Rollout)، اعتمادًا على التغذية الراجعة الواردة من الناقد الزمني. علاوة على ذلك، تُستخدم دوال خسارة مستنيرة فيزيائيًا (Physics-Informed Loss Functions)، ويتم تدريب النظام بصورة طرفية شاملة (End-to-End Training) باستخدام خوارزمية الانتشار العكسي عبر الزمن (Backpropagation Through Time)، مما يسمح بتحسين الديناميكيات وآليات التغذية الراجعة والتصيير البصري بصورة مشتركة ومتكاملة.