AI从System 1迈向System 2重要一步，中科院自动化所探索物体动静态物理属性，入选AAAI和ICLR

中科院自动化所 2035 创新团队基于不同的视角提出两种因果关系与物理属性发现框架，在视频预测、反事实预测、视频推理多个基准数据集取得优异的性能。相关工作先后被 AAAI2022 及 ICLR2022 接收。

1. 用于反事实预测的物理动力学解混杂（AAAI 2022）

论文标题：

Deconfounding Physical Dynamics with Global Causal Relation and Confounder Transmission for Counterfactual Prediction

论文地址：

团队研究了物理动力学中的混杂影响因子，包括质量、摩擦系数等，建立干预变量和未来状态可能改变变量之间的关联关系，提出了一种包含全局因果关系注意力（GCRA）和混杂因子传输结构（CTS）的神经网络框架。

2. 基于物体动态特征蒸馏的场景分解与表示（ICLR 2022）

论文标题：

OBJECT DYNAMICS DISTILLATION FOR SCENE DECOMPOSITION AND REPRESENTATION

论文地址：

团队提出物体动态特征蒸馏网络 (Object Dynamic Distillation Network，ODDN)。

内容中包含的图片若涉及版权问题，请及时与我们联系删除