让AI预测风吹过飞机、海浪拍打船体，并不只是“多看视频”就能学会。传统数值模拟要把物理方程拆成大量计算步骤，生成训练数据既慢又贵。MIT CSAIL与清华大学研究者提出GeoPT：先把基础物理互动教给模型，再让它处理具体任务，为Physical AI——能感知并作用于现实的机器人、自动驾驶等系统——提供更省数据的虚拟练习场。
GeoPT最具体的一步，是用130万组“合成动力学”样本预训练：小球从不同方向、以不同速度撞向复杂3D物体，接触后停住。它像让模型先用弹珠和模型玩具摸清“物体不能互相穿过”等规律，再学习风、水和碰撞的标注数据。这属于物理先验，即把已知规则提前注入模型，缩小它需要自行摸索的范围。
据研究团队自述，GeoPT相较领先模型最多可少用60%的训练数据，并以两倍速度达到峰值表现；它还能根据3D模型及作用力的方向和速度，输出各处受影响程度的热力图。不过，现有材料未提供完整实验数据，实际泛化能力仍有待更多验证。