在各人具身智能边界的顶级泰斗评测 WorldArena 榜单中开yun体育网，清华陈建宇（星动纪元首创东谈主）团队联接斯坦福 Chelsea Finn（PI 首创东谈主） 团队研发的 Ctrl-World 寰球模子交出优异答卷：

具身任务才略斩获各人第一，更在主体一致性、轨迹精度、深度准确性、计谋评估一致性四大中枢维度登顶；

视频生成才略名次各人第二，仅次于阿里 Wan 2.6，强势高出谷歌 Veo 3.1、英伟达 Cosmos-Predict 2.5 等寰球顶尖模子；

Ctrl-World 成为在「视频生成质地」（看起来真实） 与「具身任务」（确切可用） 两大维度均踏进顶级梯队的寰球模子。

14 个寰球模子在 WorldArena 和会多维度弘扬的 EWMScore 详细方针评分

(a) Ctrl-World 在具身计谋评估一致性上高达 0.986，远超英伟达等同类模子；(b) Ctrl-World 以 59.70 在视频生成质地上名次各人第二，高出谷歌 Veo 3.1（58.87），仅次于阿里 Wan 2.6（61.86）

WorldArena：

各人具身寰球模子的「终极试真金不怕火场」

WorldArena 之是以能成为行业公认的泰斗榜单，中枢在于其「全面、硬核、具引颈性」的定位，澈底区别于泛化的 AI 评测体系，其专科泰斗源于三大中枢特色：

1. 硬核基准：顶尖学术共建，全场地详细评测

WorldArena 由清华大学牵头，联接普林斯顿大学、新加坡国立大学、北京大学、香港大学、中科院、上海交通大学、中国科学时候大学等 8 所各人顶尖学术机构共同研发，团队成员均为具身智能、算计机视觉、机器东谈主学边界的泰斗学者，共同制定了兼具科学性与实用性的硬核评测圭臬。

该体系聚焦具身寰球模子这一中枢边界，打造了涵盖 16 大中枢方针、3 大真实应用任务的全场地详细测试场景，全面捕快模子的感知精度、物理领会、空间流露、动作预计及施行落地适配才略，好意思满对具身智能中枢时候的全场地、深脉络磨真金不怕火，而非单一维度的才略比拼。

2. 参赛威望繁盛：各人巨头与顶尖机构同台竞技

收货于其泰斗的评测圭臬与行业影响力，各人顶尖具身寰球模子研发团队均主动参与评测，首批参评威望涵盖海外科技巨头、顶尖学术机构，包括：谷歌、英伟达、阿里、字节、智谱、智元、极佳视界、清华大学、斯坦福大学、北京大学、香港大学、普林斯顿大学等。

这次共有各人顶尖 14 款参赛模子同台竞技，掩饰通用视频生成孳生模子、机器东谈主专用模子等通盘主流时候阶梯，确切酿成「各人顶级玩家王人聚」的款式，榜单效果不仅是各模子才略的直不雅名次，更成为行业时候研发、标的布局的迫切「风向标」，引颈具身智能边界的立异发展。

3. 评测硬核：16 项方针 + 3 大任务，直击「真干活」的中枢需求

WorldArena 的评测体系围绕「具身实用」假想，聚焦「真颖异活」：

视频质地 6 大评估维度暗示图：视觉质地、开通质地、内容一致性、物理贴合度、3D 精度、可控性，每个维度都有明确的优劣判断圭臬

6 大中枢维度涵盖视觉质地、开通质地、内容一致性、物理贴合度（Physics Adherence）、3D 准确性（3D Accuracy）、可控性，细分为 16 项量化方针，每一项都对应机器东谈主施行应用的痛点；

具身任务评估体系概览：通过数据引擎、计谋评估、动作策画三大任务，全面测试模子的实战才略

3 大具身任务（数据引擎、计谋评估、动作策画）模拟模子的真实使用场景，径直捕快「生成的内容能不可教悔机器东谈主」、「模拟的环境能不可测试计谋」、「策画的动作能不可完成任务」；

70 位专科标注者对 3500 个视频进行主不雅评估，确保效果既合当令候圭臬，又靠近东谈主类对「实用」的直观判断。

现存寰球模子基准与 WorldArena 的评测维度对比：

该表从视频质地 6 个子维度、具身任务 3 大中枢扮装及东谈主类评估维度，全濒临比了主流评测基准与 WorldArena 的掩饰情况，直不雅体现了 WorldArena 在具身任务评测上的独家上风，是其成为具身寰球模子专属评测金圭臬的中枢依据。

这种「时候方针 + 实用任务 + 东谈主类校验」的三重捕快，让 WorldArena 的名次不单是「分数上下」，更是模子施行应用价值的径直体现。

Ctrl-World 四大具身维度登顶

斩获具身任务才略各人第一

14 款寰球模子在视频质地三大维度（视觉质地、开通质地、内容一致性）的各项方针评分表：

Ctrl-World 在主体一致性各人第一 （0.8411）

14 款寰球模子物理贴合度、3D 准确性及可控性评分：

Ctrl-World 在轨迹准确性（0.4766）、深度准确性（0.9300）等中枢方针上的起程点地位，其中轨迹准确性（0.4766）位列各人第一

1. 主体一致性各人第一（0.8411）：筑牢具身任务落地的基础

Ctrl-World 以 0.8411 的得分拿下该方针各人第一。这一方针用于掂量视频中生成物体的身份、外不雅与形态在时序维度的适当程度，Ctrl-World 的起程点弘扬，使其生成的机器东谈主操作视频能最大程度回避物体位置漂移、形态形变或身份收敛等问题，为机器东谈主功课提供了高保果然「数字孪生」交互对象。

图中展示了 WorldArena 基准中主体一致性（Subject Consistency）的上下分案例对比，直不雅评释 Ctrl-World 以 0.8411 位列各人第一的时候上风：

高分案例（90.07）：在「adjust bottle」任务中，瓶子在机械臂交互全经过中保持阵势、颜料、记号及位置的时序适当，无漂移或形变，体现高保真「数字孪生」脾气；

低分案例（1.242）：同场景下瓶子出现严重几何变形与身份特征丢失，产生视觉噪声，径直影响机器东谈主计谋教悔的可靠性。

2. 轨迹精度各人第一（0.4766 ）：动作精确度比好意思真什物理轨迹

轨迹准确性（Trajectory Accuracy）掂量机械臂开通轨迹与真什物理轨迹的对王人度，是机器东谈主动作策画的中枢基础。Ctrl-World 以 0.4766 的所有这个词上风位列各人第一，意味着其生成的机械臂开通轨迹与真实寰球物理开通险些完全吻合，为机器东谈主提供了的确赖的「数字孪生」动作模板。

图中展示了 WorldArena 基准中轨迹准确性（Trajectory Accuracy）的上下分案例对比，直不雅评释 Ctrl-World 以 0.4766 位列各人第一的时候上风：

高分案例（92.95）：在 「move can pot」任务中，机械臂开通轨迹（红色旅途线）与真什物理轨迹（GT）高度吻合，动作精确连贯，合适物理开通轨则；

低分案例（8.64）：同场景下轨迹出现权贵偏离，随同相配进步和不连贯动作，无法复现真什物理开通。

3. 深度准确性各人第一梯队（0.9300 ）：3D 空间流露遥遥起程点

在 3D 准确性维度的深度准确性（Depth Accuracy）方针上，Ctrl-World 以 0.9300（与第一位差距仅 0.0012）属各人第一梯队，展现了对三维空间结构的精确把捏。这一才略径直决定机器东谈主在抓取、堆叠、插入等精密操作中的顺利率，幸免因「空间感知偏差」导致的抓空、碰撞等诞妄。

该图展示了 WorldArena 基准中深度准确性（Depth Accuracy）上下分案例对比，直不雅评释 Ctrl-World 以 0.9300 各人第一梯队时候上风：

高分案例（深度准确性 91.58 ）：在「stack blocks three」与 「stack bowls two」任务中，生成深度图与真实场景（GT）高度一致，物体空间位置适当、透视关系合理，机械臂与物体保持正确的空间永别与物理斗殴，体现精确的三维空间结构流露；

低分案例（深度准确性 59.07）：同场景下出现机械臂与物体相配和会（穿透）、严重几何失真、鬼影恍惚及暗影缺失，空间完整性坍塌。

4. 计谋评估一致性各人第一（Pearson r=0.986）：假造测试 = 真实测试

在最具实用价值的计谋评估（Policy Evaluator）任务中，Ctrl-World 与真什物理模拟器（RoboTwin 2.0）的评估效果相干性高达 0.986，近乎完满复刻真实环境动态。这意味着成立者可径直用 Ctrl-World 测试机器东谈主计谋，无需搭建不菲的真什物理环境，大幅镌汰研发资本。

寰球模子与物理模拟器的计谋评估效果相干性：

Ctrl-World 的 Pearson r=0.986，近乎完满复刻真实环境评估效果，远高于英伟达 Cosmos-Predict 2.5 的 0.483，印证了其四肢假造仿真环境的可靠性。

从方针高分到任务顺利：

解码 Ctrl-World 的「实力更始」

Ctrl-World 在物理贴合度、3D 准确性及可控性等维度的全面起程点，并非只是是实验室里的数字游戏，而是径直决定了其四肢「机器东谈主大脑」的实用价值。WorldArena 的评测数据了了揭示了这种更始关系：

1. 高保真计谋评估：假造测试即真实测试

在 Policy Evaluator 任务中，Ctrl-World 与 RoboTwin 物理模拟器的评估相干性高达 0.986，这意味着在 Ctrl-World 中测试的机器东谈主计谋性能，与在真什物理环境中测试的效果险些无互异。比拟之下，Cosmos-Predict 2.5 的相干性仅为 0.483。这一差距的背后的时候逻辑在于：Ctrl-World 通过显式动作建模（Action-Conditioned）架构，将机械臂要害角度、结尾膨胀器位姿等低层物理参数径直四肢生成条款，强制模子学习「膨胀动作 A→产生景色 B」的因果物理链，而非只是把柄翰墨描述「推测」动作。

2. 动作策画顺利率：物理准确性径直决定任务成败

在 Action Planner 任务中，诚然现时通盘寰球模子的所有这个词顺利率仍有升迁空间，但 Ctrl-World 的物理准确性上风为其奠定了最可靠的基础。在闭环动作膨胀任务中，物理贴合度和轨迹精度的上下径直决定了机械臂能否完成「诊治瓶子」、「点击铃铛」等操作。Ctrl-World 的轨迹精度（0.4766）和深度准确性（0.9300）确保了生成的动作序列在真实机器东谈主上膨胀时，省略精确到达意见位置并保管物理适当的交互，幸免了因「空间感知偏差」导致的抓空、碰撞等操作诞妄。

3. 合成数据的灵验性：从「能生成」到「能教悔」

在 Data Engine 任务中，Ctrl-World 生成数据的物理合感性确保了其可用于教悔真实计谋。原论文指出，很多模子生成的合成数据诚然视觉上了了，但因枯竭物理一致性，教悔出的计谋在真实环境中完全失效（「virtual data training, real world failure」）。而 Ctrl-World 通过镶嵌物理引擎拘谨的教悔神色，确保生成的视频不仅「看起来对」，更「物理上对」，使其合成的视频 - 动作序列确切具备教悔价值。

Ctrl-World 的「制胜密码」

1. 动作条款化（Action-Conditioned）架构

与 Genie Envisioner、GigaWorld 等文本条款化模子不同，Ctrl-World 禁受显式动作建模，径直将机器东谈主动作参数（要害扭矩、夹爪开合度）注入生成经过。原论风雅确指出：「explicit action modeling plays a critical role in producing physically plausible interactions」（显式动作建模对产生物理合理交互至关迫切）。这使其省略精确模拟斗殴力响应、惯性传递等物理表象，从根柢上幸免了文本模子常见的「物体穿透机械臂」、「隔空吸附」等漏洞。

2. 物理引擎拘谨镶嵌

Ctrl-World 在教悔经过中镶嵌物理引擎拘谨，将牛顿力学定律「内化」为生成经过的硬拘谨。不同于单纯依赖像素统计轨则的通用视频模子，Ctrl-World 通过物理引擎监督，强制生成内容顺从质地、摩擦、碰撞守恒律。这恰是其计谋评估相干性达到 0.986 的中枢原因 —— 生成经过受物理轨则拘谨，模拟的环境动态与真什物理模拟器的缺点极小。

3. 多视图联接与视频预计模子

针对 Depth Accuracy 第一梯队成绩，Ctrl-World 和会多视图联接预计与视频预计模子，不仅预计 RGB 像素，更隐式建模深度图与点云结构，诈欺多视角数据教悔空间流露才略，使其在惩处「堆叠积木」等需要精确深度准确性的任务时，顺利率超仅使用单目视频教悔的模子。

从「生成面子」到「真颖异活」

寰球模子参加新阶段

清华陈建宇团队联接斯坦福 Chelsea Finn 团队研发的 Ctrl-World 在 WorldArena 拿下「具身任务第一、视频生成详细第二」的佳绩开yun体育网，中枢在于其精确把捏了具身寰球模子的本色 ——「以物理轨则为根，以空间流露为骨，以功能 utility 为魂」。跟着更多模子加入评测、更多场景被纳入体系，WorldArena 将接续鼓吹具身寰球模子向「更懂物理、更有空间感、更颖异活」的标的发展，加快机器东谈主自主智能的落地程度。