WorldArena 2.0 挑战赛结果公布：视启未来拿下 Track 1 冠军，晨昏线科技 Track 2 第二
来源雷峰网查看原文
速览
- WorldArena 2.0 把世界模型评测从视频生成推进到在线交互与真机执行
- 新增视触觉模态、在线强化学习、真实机器人三个升级方向
- Track 1 用 70 个任务、15 项指标考察长程与分布外视频生成
- JEPA 路线在 Track 1 拿下第一，空间智能路线以 0.84 分之差居次
- Track 2 考察世界模型能否作为强化学习环境支撑策略训练
- 1.0 的结论是画面好看不等于对机器人有用
- 三条赛道前两名学院派与产业派各占一席
由清华大学团队联合多所海内外高校推出的世界模型评测体系 WorldArena 升级到 2.0，并在 IROS 会议上举办 WorldArena 2.0 Challenge。相比 1.0 只覆盖视觉模态、离线任务和仿真环境，2.0 把评测扩展到视触觉多模态、在线强化学习和真实机器人执行，设置三条赛道：Track 1 评测视频质量，Track 2 评测世界模型作为强化学习环境的能力，Track 3 评测真实机器人操作。结果上，明确走 JEPA 路线的视启未来拿下 Track 1 冠军，空间智能路线的同济大学 BWM-Turbo 模型以 0.84 分之差位列第二；同属 JEPA 路线的晨昏线科技在 Track 2 总分第二。三条赛道的前两名中，学院派与产业派各占一席。
关键事实
- WorldArena 由清华大学团队联合多所海内外高校推出，被称为世界模型领域最权威的评测榜单之一
- WorldArena 2.0 沿模态、功能、平台三个方向升级：从纯视觉扩展到视触觉，从离线任务扩展到在线强化学习，从仿真环境延伸到真实机器人
- Challenge 设置三条赛道：Track 1 评测视频质量，Track 2 评测世界模型作为强化学习环境的能力，Track 3 评测真实机器人操作
- Track 1 设置 70 个正式任务，其中 50 个是白色桌面的 ID（分布内）clean 场景，20 个是彩色或带纹理桌面的 OOD（分布外）场景
- Track 1 最终成绩由 15 项指标共同决定，覆盖画面质量、运动质量、内容一致性、交互准确性、3D 几何和指令执行等，其中包含通过 V-JEPA 提取特征的 JEPA 表征相似度（JEPA Similarity）
- 视启未来拿下 Track 1 冠军，同济大学 BWM-Turbo 模型以 0.84 分之差位列第二
本站视角
对国内做具身智能和机器人策略训练的团队来说，这次榜单的指向性比名次本身更重要：评测维度从「视频像不像」转向「策略能不能在世界模型里训出来、再回到真机跑通」，直接对应了世界模型作为数据引擎和仿真器的商业价值。JEPA 路线在 Track 1 拿下第一、空间智能路线以 0.84 分之差紧随，说明两条路线目前还没有拉开代差，押注单一架构的团队不必急于转向，但需要关注 Track 2、Track 3 这类在线与真机赛道的后续结果——那里才决定世界模型能否替代昂贵的真机采样。我们认为，学院派与产业派在三条赛道前两名各占一席，反映的是工程落地能力与前沿方法正在快速拉平，产业方的优势可能更多体现在数据与算力而非算法本身。需要指出的是，本次结果来自单一赛事、单一主办方体系，且原文未披露各赛道的完整分数与参赛规模，0.84 分的差距是否具有统计意义无法判断；同时 WorldArena 由清华团队主导，其指标设计（例如把 JEPA 相似度纳入 Track 1 评分）是否对特定技术路线更友好，也需要更多第三方复现来验证。
背景与影响
世界模型的竞争焦点正在从「生成逼真未来视频」转向「能否被机器人真正用起来」。WorldArena 1.0 已经把评测从单纯视频生成初步延伸到数据生成、策略评估和动作规划，但整体仍集中在视觉输入、离线任务和仿真环境，触觉反馈、在线交互以及真实机器人执行表现都没有进入评测。2.0 正是针对这些缺口升级：模态上加视触觉，功能上加在线强化学习闭环，平台上加入真实机器人测试，仿真侧则沿用 RoboTwin 2.0 和 LIBERO 等环境。这意味着世界模型的评价标准开始向「物理可用性」倾斜，对做具身智能和机器人策略训练的团队来说，榜单结果可能成为技术路线选择的参考之一。需要观察的是，真机评测的规模、任务覆盖和可复现性如何，以及单次挑战赛的名次能否稳定反映路线优劣。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。