9月16日，WorldArena2.0挑战赛全球终榜落定，三条赛道总奖金7000美元，把世界模型领域的核心问题——“能不能被机器人真正用起来”，摆到了台面上。
从“画视频”到“用起来”，评测到底改了啥？
WorldArena是世界模型领域最权威的评测体系之一。1.0版本还停留在测视频生成质量、仿真里的离线任务，对机器人最在意的“真机交互、连续学习、视触觉反馈”完全没覆盖。2.0直接补了这几块：模态从纯视觉加了触觉，功能从离线扩到在线强化学习，平台从仿真伸到真实机器人。三条赛道对应三个核心需求：Track1测视频质量（70个任务，50个分布内、20个分布外场景），Track2测能不能当RL的训练环境，Track3直接测真机操作（AgileX双臂、Franka单臂，分视触觉和纯视觉任务）。
三条赛道揭榜：技术路线的第一次正面碰撞
终榜结果很有意思，前两名都是学院派和产业派各占一席，正好对应世界模型的两大主流路线。
Track1是JEPA vs空间智能的直接对话：视启未来的WorldIncept（JEPA路线）拿72.33分第一，同济大学BWM-Turbo（空间智能路线）71.49分第二，差0.84分。分项里，WorldIncept赢在物理遵循、3D准确，BWM-Turbo赢在背景一致性和JEPA表征相似度。
Track2是在线RL的试金石：北京中关村学院的MW2拿72.93分第一，晨昏线科技的TTWM72.40分第二，差0.53分。MW2侧重机器人对物理规律的理解，TTWM重点建模动作和未来状态的因果关系，还优化了多轮交互的误差累积。
Track3是真机的终极考验：小米的ViTacX拿76.64分总第一，上海科技大学的OmniFlow67.37分第二。ViTacX纯视觉任务拿了85分第一，但视触觉任务只排第三，OmniFlow在两类任务里都稳在第二。
落在真机上的，到底是哪些硬指标？
之前的世界模型比拼，很多时候“画面好看”就能占优，但这次不一样。Track1的核心已经不是视频，而是“生成的东西是否符合真实物理规则、空间关系”；Track2看的是“连续交互中会不会把偏差越带越大”；Track3则直面真机的麻烦：传感噪声、通信延迟，还有动作出错后的自恢复能力。
这是世界模型第一次在真机环境下的公平对决，之前的技术路线优劣，现在要靠落地能力说话。当JEPA的隐空间和空间智能的长时记忆都要接受真机的“噪音、延迟、误差”考验时，哪条路线会最先跑出量产级的世界模型？
素材来源：雷峰网 · AI情报、具身智能
查看报道原文
发表第一条评论吧