五大高校联手发榜！首份机器人三视角世界模型评测结果出炉，榜单持续更新中
内容提要
北京大学等高校联合发起TriWorldBench Challenge，推出首个机器人三视角世界模型评测榜单。首周CASIA-DRL、同济、Fysics AI模型位列前三。榜单评估多视角一致性、任务执行和物理理解，包含500个episode和19项指标，旨在推动世界模型从视觉生成向世界理解发展，并为研发提供改进方向。
延伸解读
评测焦点：从“看起来像”到“真正可用”
TriWorldBench的评测重点并非单帧画质，而是多视角间的时空一致性与物理逻辑自洽性。榜单指出，当前排名差异主要源于模型在多视角几何对齐、任务执行准确性及物理动态理解等维度的表现，而非单帧图像的感知质量。这反映了具身世界模型评价正从“视觉生成”向“世界理解”转变，强调模型能否生成连贯、可用的操作过程，而非仅仅生成“看起来真实”的视频。
多视角协同：机器人认知的关键
在真实机器人系统中，头部摄像头提供全局环境信息，腕部摄像头捕捉抓取细节，不同视角共同构成对世界的完整认知。TriWorldBench要求生成的三路视频不仅各自合理，还需共同描述一次完整、连贯的操作。评测通过head-wrist语义判断和联合三视角问答，检查机械臂状态、动作阶段、接触关系等是否兼容，确保多视角看到的是同一个世界，而非各自独立的“合理”片段。
榜单的研发价值：定位问题而非简单排名
TriWorldBench不仅给出TWB-Score总分，还提供六大维度、单项指标、逐视角及配对结果，帮助研究者定位模型在任务、运动、画质或多视角一致性方面的具体问题。例如，通过STATE标注识别动作阶段和预期运动状态，区分“稳定”与“全程不动”，避免画质掩盖任务错误。这种“体检报告”式设计，使榜单成为推动模型改进的工具，而非仅用于排名比较。
Q&A
TriWorldBench Challenge是什么？由哪些机构发起？
TriWorldBench Challenge是首个面向机器人三视角世界模型的评测榜单，由北京大学、清华大学、北京航空航天大学、上海交通大学、中国科学技术大学联合发起。
TriWorldBench评测榜单主要评估模型的哪些能力？
榜单综合评估模型在三视角一致性、任务执行、物理空间理解等方面的表现，具体包括三视角一致性、任务对齐、物理与3D一致性、运动质量、时序一致性和视觉质量六个维度。
首周榜单前三名分别是哪些模型？
首周榜单前三名分别是CASIA-DRL的WoVR_Plus、同济的BetaBWM和Fysics AI的Fysiverse-Video。
TriWorldBench为什么强调多视角一致性？
因为真实机器人系统通常由多个摄像头共同观察，不同视角共同构成对世界的完整认知。一个可靠的具身世界模型必须保证多个摄像头看到的是同一个世界，即多视角间的时空一致性和物理逻辑自洽性，而不仅仅是单帧图像质量。
TriWorldBench的评测数据集包含多少任务和指标？
基准包含500个三视角同步episode，覆盖50个机器人操作任务，并汇总19项评测信号，以TWB-Score作为总分。
TriWorldBench如何帮助研究者改进模型？
榜单不仅报告总分，还保留六大维度、单项指标、逐视角、head-wrist配对和联合三视角结果，帮助研究者定位问题具体出在任务、运动、画质还是多视角一致性上，从而提供清晰的改进方向。
TriWorldBench的评测体系如何避免“好看但错误”的视频获得高分？
系统会对视觉质量进行任务约束后的修正，当头部轨迹错误或三路视频在机器人和物体状态上发生冲突时，会降低视觉质量得分，避免精致但错误的视频凭借“好看”获得不合理优势。
