論文の概要: WorldArena 2.0: Extending Embodied World Model Benchmarking on Modality, Functionality and Platform

• arxiv url: http://arxiv.org/abs/2605.17912v1
• Date: Mon, 18 May 2026 06:18:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.915429
• Title: WorldArena 2.0: Extending Embodied World Model Benchmarking on Modality, Functionality and Platform
• Title（参考訳）: WorldArena 2.0: モダリティ、機能、プラットフォームに関する世界モデルベンチマークの拡張
• Authors: Yu Shang, Yinzhou Tang, Yiding Ma, Zhuohang Li, Lei Jin, Weikang Su, Xin Jin, Zhaolu Wang, Ziyou Wang, Xin Zhang, Haisheng Su, Weizhen He, Wei Wu, Haoyi Duan, Gordon Wetzstein, Xihui Liu, Dhruv Shah, Zhaoxiang Zhang, Zhibo Chen, Jun Zhu, Yonghong Tian, Tat-Seng Chua, Wenwu Zhu, Chen Gao, Yong Li,
• Abstract要約: 本稿では,世界モデル評価のための拡張ベンチマークであるWorldArena 2.0を紹介する。 WorldArena 2.0は、モダリティ、機能、プラットフォームという3つの次元で、具現化された世界モデルの評価を体系的に拡張する。 WorldArena 2.0は、標準化されたプロトコルの下で、知覚品質、インタラクティブなユーティリティ、クロスプラットフォームのパフォーマンスを包括的に評価する。
• 参考スコア（独自算出の注目度）: 130.8118909583659
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models have emerged as a central paradigm for embodied intelligence, enabling agents to predict action-conditioned future and reason about environmental dynamics. However, existing embodied world model benchmarks are still largely confined to vision-only prediction, offline embodied applications, and simulator-based evaluation, making them insufficient for assessing increasingly comprehensive world models. In this work, we introduce WorldArena 2.0, an expanded benchmark that systematically broadens embodied world model evaluation along three dimensions: modality, functionality, and platform. Along the modality dimension, WorldArena 2.0 extends evaluation from vision-only to visuotactile modalities, enabling assessment of multimodal perception and prediction. Along the functionality dimension, it extends beyond policy evaluation and planning to assess world models as interactive RL environments for policy optimization. Along the platform dimension, it moves beyond simulator-only evaluation to a diverse suite of simulated and real-world robotic settings across multiple embodiments. Under a standardized protocol, WorldArena 2.0 comprehensively evaluates perceptual quality, interactive utility, and cross-platform performance, providing a comprehensive testbed for tracking progress toward embodied world models. The benchmark is available at: https://world-arena.ai.
• Abstract（参考訳）: 世界モデルは、エージェントが行動条件付き未来を予測し、環境力学を推論できるように、インテリジェンスを具現化する中心的なパラダイムとして現れてきた。 しかし、既存のエンボディドワールドモデルベンチマークは依然として視覚のみの予測、オフラインエンボディドアプリケーション、シミュレータベースの評価に限られており、より包括的なワールドモデルを評価するには不十分である。 本研究では,世界モデル評価を3次元(モダリティ,機能,プラットフォーム)で体系的に拡張する拡張ベンチマークWorldArena 2.0を紹介する。 モダリティの次元に沿って、WorldArena 2.0は視覚のみから視覚的モダリティまでの評価を拡張し、マルチモーダル知覚と予測を可能にする。 機能面では、政策評価を超えて、世界モデルを政策最適化のためのインタラクティブなRL環境として評価する計画である。 プラットフォームディメンションに沿って、シミュレータのみの評価を超越して、複数のエボディメントにまたがるシミュレーションと現実世界のロボット設定の多様なスイートへと移行する。 WorldArena 2.0は、標準化されたプロトコルの下で、知覚品質、インタラクティブユーティリティ、クロスプラットフォームのパフォーマンスを包括的に評価し、具体化された世界モデルに向けた進捗を追跡するための包括的なテストベッドを提供する。 ベンチマークは、https://world-arena.ai.comで公開されている。

関連論文リスト

• ManipArena: Comprehensive Real-world Evaluation of Reasoning-Oriented Generalist Robot Manipulation [66.02142169323521]
  Vision-Language-ActionモデルとWorld Modelは最近、汎用ロボットインテリジェンスのための有望なパラダイムとして登場した。 既存のベンチマークは、主にシミュレータ中心であり、制御性を提供するが、知覚ノイズによって引き起こされる現実のギャップを捉えることができない。 シミュレーションと実世界の実行を橋渡しする標準化された評価フレームワークであるManipArenaを紹介する。
  論文  参考訳（メタデータ） (2026-03-30T15:06:41Z)
• Omni-WorldBench: Towards a Comprehensive Interaction-Centric Evaluation for World Models [39.648000265543445]
  ビデオベースの世界モデルは、ビデオ生成と3D再構成という2つの支配的なパラダイムに沿って登場した。 世界モデリングの未来は、空間構造と時間的進化を共同でモデル化する4D世代にあると我々は主張する。 Omni-WorldBenchは,世界モデルの対話的応答能力を4次元設定で評価するためのベンチマークである。
  論文  参考訳（メタデータ） (2026-03-23T17:10:29Z)
• WorldArena: A Unified Benchmark for Evaluating Perception and Functional Utility of Embodied World Models [114.95269118652163]
  We introduced WorldArena, an unified benchmark designed for embodied world model across both perceptual and functional dimensions。 WorldArenaは、6つのサブ次元にまたがって16のメトリクスで測定されたビデオ知覚品質、データエンジンとして世界モデルを評価する実施されたタスク機能、ポリシー評価ツール、主観的な人間の評価と統合されたアクションプランナーの3つの次元でモデルを評価する。 14の代表的なモデルに対する広範囲な実験を通して、視覚的品質が必ずしも強い具体的タスク能力に変換されるとは限らないことを示す、重要な知覚-機能的ギャップを明らかにする。
  論文  参考訳（メタデータ） (2026-02-09T18:09:20Z)
• WorldLens: Full-Spectrum Evaluations of Driving World Models in Real World [100.68103378427567]
  エージェントは現実的な4D駆動環境を合成し、説得力があるように見えるが、物理的または行動的に失敗することが多い。 モデルがどのように構築され、理解され、その生成された世界の中でどのように振る舞うかを評価するフルスペクトルベンチマークであるWorldLensを紹介します。 さらに、数値的なスコアとテキストの合理性を備えた人間の注釈付きビデオの大規模データセット WorldLens-26K を構築し、WorldLens-Agent を開発した。
  論文  参考訳（メタデータ） (2025-12-11T18:59:58Z)
• WorldSimBench: Towards Video Generation Models as World Simulators [79.69709361730865]
  我々は、予測モデルの機能を階層に分類し、WorldSimBenchと呼ばれる2つの評価フレームワークを提案することにより、World Simulatorの評価の第一歩を踏み出す。 WorldSimBenchにはExplicit Perceptual EvaluationとImplicit Manipulative Evaluationが含まれている。 我々の総合的な評価は、ビデオ生成モデルのさらなる革新を促進する重要な洞察を与え、World Simulatorsをエンボディされた人工知能への重要な進歩と位置づけている。
  論文  参考訳（メタデータ） (2024-10-23T17:56:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。