WorldArena 具身世界模型基准

WorldArena: A Unified Benchmark for Evaluating Perception and Functional Utility of Embodied World Models进阶

清华牵头的具身世界模型基准，同时考生成画面质量和对下游任务的实际用处。

WorldArena 是清华大学牵头、多家机构参与、2026 年 2 月发布的具身世界模型评测基准。具身世界模型指根据当前画面和动作或指令预测未来画面的模型。作者认为已有评测只看视频好不好看，不问它能否帮到决策，于是从三方面打分：视频质量（6 个子维度共 16 项指标）、具身任务功能（把世界模型当数据引擎、策略评估器和动作规划器来检验）、人工评估，汇总成综合分 EWMScore。基于 RoboTwin 2.0 双臂任务评测 14 个模型后，作者发现画面好不等于任务强。2026 年 5 月的 2.0 版加入了视触觉和真机平台。

例子第一版评测了 Wan 2.2、Veo 3.1 等通用视频模型，以及 Cosmos-Predict 2.5、Genie Envisioner、Ctrl-World 等具身世界模型，排行榜公开在 world-arena.ai。

也叫: WorldArena、WorldArena 2.0
相关: 世界模型、世界模型评测、EWMBench 具身世界模型评测、RoboTwin、Ctrl-World、WorldScore 世界生成评测
来源: WorldArena (arXiv 2602.08971)
WorldArena 2.0 (arXiv 2605.17912)
信息截至: 2026-05