北京
來源：獵云網
近日，阿里巴巴集團旗下高德聯(lián)合清華大學、北京大學、南京大學共同發(fā)布面向交互式世界模型的開放評測基準WorldRoam-Bench，該基準重點考察模型在真實漫游過程中的動作跟隨、視覺質量、物理交互和記憶一致性。
當前，視頻生成模型和交互式世界模型發(fā)展迅速，模型已經能夠基于圖像、文本或控制信號生成高質量動態(tài)場景。但在真實漫游任務中，一個可用的世界模型不僅要生成連貫畫面，還需要在連續(xù)操作中穩(wěn)定響應用戶輸入，在復雜場景中遵守基本物理約束，并在重訪空間或持續(xù)觀察主體時保持場景、結構和身份的一致性。
現(xiàn)有世界模型評測大多聚焦視頻質量、整體軌跡或有限輪次交互，難以充分刻畫開放域長時漫游中的真實失效模式。比如模型可能會出現(xiàn)最終軌跡看起來接近目標，卻在過程中漏掉多個關鍵輸入，或者在長時推理中出現(xiàn)畫面漂移、結構退化、主體身份變化等問題。
WorldRoam-Bench針對上述問題重新設計了評測方式：它不只看模型“像不像一個世界”，更關注這個世界能否被穩(wěn)定控制、是否遵守物理約束、能否在長時間交互中保持記憶一致性。
本次基準發(fā)布共包含600多個測試案例，覆蓋第一人稱和第三人稱視角，以及室內、自然、城市三類開放域場景。評測通過10–60秒的連續(xù)WASD/IJKL交互，模擬真實漫游體驗，并設置15個細分指標，衡量逐幀動作準確率、3D一致性、場景保持、幻覺率等能力。
目前，WorldRoam-Bench已評測10多個前沿交互式世界模型，并實現(xiàn)開源模型和閉源產品的全面覆蓋，呈現(xiàn)行業(yè)整體能力分布。該基準還提供公開積分榜，用于持續(xù)追蹤模型在世界漫游任務中的能力進展。
據(jù)介紹，評測設計圍繞四個維度展開：
在動作跟隨方面，WorldRoam-Bench不只評估最終軌跡是否接近目標，還會檢查模型是否真實響應每一次控制輸入。這一設計可以避免“軌跡看起來正確，但過程中多次漏響應”的問題被掩蓋。對于交互式世界模型而言，逐幀動作響應比單純的終點對齊更接近用戶的實際體驗。
在視覺質量方面，WorldRoam-Bench不只評估單幀畫質和美學表現(xiàn)，還重點觀察長時間生成中的漂移和退化，包括顏色變化、模糊累積、結構坍塌和局部細節(jié)損失。對于需要持續(xù)探索的世界模型來說，穩(wěn)定性與即時畫面質量同樣重要。
在物理交互方面，WorldRoam-Bench覆蓋碰撞、穿模、形變、地形跟隨、重力、反射、陰影和3D一致性等現(xiàn)象，并通過可控性門控機制區(qū)分動作失敗和物理失敗。這樣可以避免把“沒有跟上控制”誤判為“物理不一致”，也能更準確地診斷模型的真實短板。
在記憶能力方面，WorldRoam-Bench將記憶評估具體落到場景結構、空間布局、主體外觀和狀態(tài)的一致性保持上。它通過3D點云重建評估視頻的幻覺率，并結合SAM2跟蹤和視覺語言模型推理，評估第三人稱場景中主體身份、結構與外觀的保持能力。
WorldRoam-Bench當前結果顯示，交互式世界模型仍處于快速發(fā)展且尚未收斂的階段：沒有任何一款模型能夠在所有維度上同時領先，視覺質量、動作可控性、物理一致性和記憶能力之間存在明顯陣營區(qū)分。這也說明，下一代世界模型的競爭將不再只圍繞畫面質量展開，而會進入長時穩(wěn)定性、可控性、物理可信度和記憶一致性的系統(tǒng)競爭階段。
WorldRoam-Bench致力于成為更具研究價值的世界模型評測入口，為研究者提供模型診斷工具、定位能力短板，也為產業(yè)界判斷交互式世界模型的實用性提供參考。未來，WorldRoam-Bench將持續(xù)擴展場景類型、交互難度等方面基準，推動交互式世界模型走向高可用的全域開放階段。
附WorldRoam-Bench項目頁面：https://worldroam.amap.com/
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
