TriWorldBench提出三视角一致性基准评估具身世界模型
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对配备头部与腕部摄像头的机器人，现有评估无法判定不同视角是否描述同一动作与物体状态。TriWorldBench通过同步的头部、左腕与右腕视频评估具身世界模型。该基准包含50项双手操作任务下的500个回合，采用19项指标从三视角一致性、任务对齐、物理及3D连贯性、运动质量、时序与视觉质量等维度打分。结合跨视角校验与单视角专属度量，判定独立视频能否构成一致预测，以TWB-Score汇总表现并保留单视角结果定位预测失败源，将评估从单视角视觉质量扩展至多视角一致性。代码与数据已公开。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载多视角评估动机
具身世界模型通过预测机器人动作结果来辅助学习与规划。对于同时配备头部与腕部摄像头的机器人，需要互补视角：头部视角捕捉全局任务，腕部视角揭示局部夹爪与物体的交互。然而，若仅对各视角独立评估，将无法确定这些视角是否在描述相同的动作与物体状态。即使各视角生成的视频看似合理，也可能无法构成对预期任务的一致预测。
基准构成与指标体系
TriWorldBench引入同步的头部、左腕与右腕视频来评估具身世界模型。该基准涵盖50项双手操作任务，共计500个回合，并采用19项指标进行评估。这些指标覆盖三视角一致性、任务对齐、物理与3D连贯性、运动质量、时序一致性以及视觉质量等维度。通过将跨视角校验与针对各摄像头的专属度量相结合，基准能够判定看似合理的独立视频是否形成了对预期任务的一致预测。
评分机制与资源开放
在评分机制上，TriWorldBench使用TWB-Score来汇总模型的整体表现，同时保留各视角的单独评估结果，以便识别模型预测在何处出现失败。这一方法将具身世界模型的评估从传统的单视角视觉质量扩展到了多视角一致性层面。该基准的代码、数据及指标定义均已公开，供社区使用与复现。
为什么值得看
突破单视角视觉质量局限，提供多视角一致性评估框架，精准定位具身世界模型预测失败源。
对齐
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。