WorldArena 2.0揭榜：世界模型开启真机闭环大考

世界模型的竞技重心，正在从生成高质量预测视频，转向能否在真实机器人系统中稳定落地。如果模型无法准确推演动作执行后的物理变化、无法支撑闭环策略训练，生成画面再逼真也难以转化为机器人的通用操作能力。

由清华大学团队联合多所海内外高校与科研机构发起的 WorldArena，是目前世界模型领域最权威的评测基准之一。在 1.0 版本中，评测主要聚焦在纯视觉输入、仿真环境及离线任务；而在最新的 WorldArena 2.0 中，评测体系全面升级，模态拓展至视触觉融合，功能延伸到在线强化学习（MB-RL），平台也直接引入真实机器人执行。

三大赛道设立：从预测、学习到真机执行

WorldArena 2.0 针对世界模型的具身落地难点，设立了三条独立赛道：

• Track 1（视频质量）：包含 70 个测试任务，重点考察长程时序推演与分布外（OOD）场景下的生成能力，评估指标涵盖物理遵循性、3D 空间几何精度、语义对齐及 JEPA 特征相似度等 15 个维度。
• Track 2（在线强化学习环境）：世界模型充当交互仿真环境，策略在其中执行动作、获取状态与奖励并进行多轮迭代更新，最终在 RoboTwin 2.0 中测试任务成功率，检验模型是否会发生误差累积或崩溃。
• Track 3（真实机器人操作）：在真实双臂与单臂机械臂上进行评测，涵盖擦桌、倒水、叠衣服等纯视觉任务，以及夹薯片、插插头等高灵敏度视触觉任务，直接检验 Sim2Real 迁移效果。

榜单出炉：技术路线各有突破

全球终榜揭晓后，各大技术路线在不同维度展现出鲜明的性能特征：

在 Track 1 中，主打隐空间表征学习的视启未来凭 WorldIncept 模型夺得第一（72.33分），并在物理遵循性、3D 准确性和语义对齐三项分项指标中拔得头筹。同济大学空间智能团队的 BWM-Turbo 模型以 71.49 分位列第二，该方案基于 DiT 架构并结合动态记忆，在背景一致性和表征相似度上表现突出。

在 Track 2 在线交互赛道中，北京中关村学院的 MW2 以 72.93 分夺冠。晨昏线科技的目标因果世界模型 TTWM 以 72.40 分紧随其后。数据显示，利用该世界模型作为强化学习环境训练后，基线 VLA 模型的下游任务成功率从 55.46% 跃升至 72.40%，展现了动作因果推演对策略学习的直接推动作用。

在 Track 3 真机操作赛道中，小米机器人团队的 ViTacX 夺得综合冠军，并在纯视觉子榜中以 85.00 分大幅领先，在擦桌、倒水等多项常规任务中达成 100% 成功率。而在接触密集的视触觉子榜中，长期深耕触觉感知与机械操作的上海科技大学 OmniFlow 团队表现更为稳健，在纯视觉和视触觉双榜均位居前二。

走向真机落地：痛点与下一步演进

从赛事结果来看，学院派与产业派呈现出互补态势：高校团队在新型网络拓扑与目标函数探索上更为敏捷，而企业团队在工程部署、数据清洗与系统稳定性上更具优势。

据主办方清华团队介绍，虽然领先模型在受控单任务中已能呈现因果响应，但真实机器人落地仍面临多重物理瓶颈：在接触密集的任务中，模型仍难以精确建模非线性力反馈；长时推演中的误差级联，以及硬件毫秒级通信延迟，也极易造成策略执行漂移。

未来的评测基准将进一步拓展更高频的双向闭环交互、执行失误后的自主纠错，以及触觉多模态深度融合能力，推动世界模型真正从“生成画面”转向“驱动物理实体”。