「物理数据编译器核心能力」

物理因果模型
把物理证据编译为操作级数据。

语言推理负责理解任务上下文，物理因果推理将状态转移、接触、失败、恢复与结果扎根于同步的真实世界证据，产出模型可训练、可评测的操作级数据。

「为什么需要物理因果模型」

看见现象，不等于理解结果为何发生。

物理 AI 需要把动作与状态变化、接触与结果、失败与恢复连接起来。语言先验帮助推理，物理证据确保推理扎根于真实世界。

任务是一系列条件变化，而不是贴在视频上的单一标签。

力、约束与物体交互决定动作能否成功、为何失败，以及是否需要恢复。

偏差与恢复揭示任务边界、隐藏约束，以及评测真正需要的证据。

「物理因果编译」

编译系统重建任务状态，识别接触与约束，验证因果转移，并将结果组织为可训练、可评测、可查询的操作级数据。

「编译后的操作级数据」

同一组物理证据可以被编译为任务 schema、失败与恢复案例、因果感知评测资产，并通过 Data API 调用。

从连续任务片段中还原靠近、对齐、接触、执行、失败、恢复与完成。

将任务偏差与当时的状态、物理约束、接触证据、因果归因和最终结果一起封装。

将可比较的恢复过程，以及让任务重新回到有效路径的状态转移组织为可复用资产。

基于真实结果与物理证据，生成评测案例、判定标准与回归切片。