論文の概要: TriWorldBench: A Tri-View Consistency Perspective on Embodied World Models
- arxiv url: http://arxiv.org/abs/2609.26314v1
- Date: Tue, 22 Sep 2026 12:23:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.358082
- Title: TriWorldBench: A Tri-View Consistency Perspective on Embodied World Models
- Title（参考訳）: TriWorldBench: 身体的世界モデルに関する3ビュー一貫性の視点
- Abstract要約: 身体的世界モデルは、学習と計画を支援するロボット行動の結果を予測する。
トリウォルドベンチ(TRIWORLDBENCH)は、シンクロナイズドヘッド、左書き、右書きビデオを通じて、エンボディドワールドモデルを評価するためのベンチマークである。
- 参考スコア（独自算出の注目度）: 68.07981098895088
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Embodied world models predict the outcomes of robot actions to support learning and planning. For robots equipped with head and wrist cameras, this requires complementary views: the head view captures the overall task, while wrist views reveal local gripper-object interactions. However, evaluating these views independently cannot determine whether they describe the same action and object state. We introduce TRIWORLDBENCH, a benchmark for evaluating embodied world models through synchronized head, left-wrist, and right-wrist videos. It contains 500 episodes across 50 bimanual manipulation tasks and uses 19 metrics to assess tri-view consistency, task alignment, physical and 3D coherence, motion quality, temporal consistency, and visual quality. By combining cross-view checks with measurements tailored to each camera, the benchmark evaluates whether plausible individual videos also form a consistent prediction of the intended task. We summarize overall performance with TWB-Score and retain per-view results to identify where predictions fail. This extends world-model evaluation beyond single-view visual quality. Code, data, and metric definitions are available at https://github.com/TriWorldBench/TriWorldBench.
- Abstract（参考訳）: 身体的世界モデルは、学習と計画を支援するロボット行動の結果を予測する。
ヘッドビューは全体のタスクを捉え、手首ビューは局所的なグリップとオブジェクトの相互作用を明らかにします。
しかし、これらのビューを独立して評価することは、それらが同じアクションとオブジェクトの状態を記述するかどうかを決定できない。
トリウォルドベンチ(TRIWORLDBENCH)は、シンクロナイズドヘッド、左書きビデオ、右書きビデオを通じて、エンボディドワールドモデルを評価するためのベンチマークである。
50の双方向操作タスクに500回のエピソードが含まれており、19のメトリクスを使用して、トリビュー一貫性、タスクアライメント、物理的および3Dコヒーレンス、モーション品質、時間的一貫性、視覚的品質を評価する。
このベンチマークは、クロスビューチェックと各カメラに合わせた測定値を組み合わせることで、もっともらしい個々のビデオが意図したタスクの一貫性のある予測を形成するかどうかを評価する。
我々は、TWB-Scoreで全体のパフォーマンスを要約し、ビュー毎の結果を保持して、予測が失敗する場所を特定する。
これにより、シングルビューの視覚的品質を超えて、世界モデルの評価が拡張される。
コード、データ、メトリックの定義はhttps://github.com/TriWorldBench/TriWorldBench.comで確認できる。
関連論文リスト
- WorldReward: Reward Modeling for Camera-Conditioned World Models [56.14617966299295]
本稿では,VLMに基づくカメラコンディショニング世界モデルに対するペアワイズ優先報酬モデルであるWorldRewardを紹介する。
WorldRewardは、ペア化されたビデオをアクション整合したチャンクに分解し、各チャンクを構造化された視覚的エビデンスに整理し、ビデオレベルのアクションと視覚的品質の好みに投票することでチャンクレベルの決定を集約する。
WorldReward は GPT-5.5 の3.42 倍、 1.45 倍、および 3.56 倍の3つの次元で最高合意を達成している。
論文 参考訳（メタデータ） (2026-09-03T14:53:53Z) - WorldOlympiad: Can Your World Model Survive a Triathlon? [39.69359039523777]
我々は,物理忠実度,幾何整合性,相互作用忠実度にまたがるビデオベース世界モデルの診断のためのベンチマークであるWorldOlympiadを紹介する。
WorldOlympiadは、世界モデルの評価を3つの相補的な次元に分解する。
論文 参考訳（メタデータ） (2026-06-09T17:24:36Z) - WBench: A Comprehensive Multi-turn Benchmark for Interactive Video World Model Evaluation [56.5415838759151]
WBenchはインタラクティブな世界モデルを評価するための総合的なベンチマークである。
ビデオの品質、セッティングアテンジェンス、インタラクションアテンデンス、一貫性、物理コンプライアンスをカバーしている。
289件のテストケースと1,058件のインタラクション・ターンが含まれており、多様なシーン、スタイル、主題、一対三の視点をカバーしている。
論文 参考訳（メタデータ） (2026-05-25T14:01:31Z) - 3D Segmentation Using Viewpoint-Dependent Spatial Relationships [55.198821645924234]
220kのベンチマークサンプルを含む視点対応3Dセグメンテーションデータセットを提案する。
このデータセットでは、対象オブジェクトはオブザーバー中心の空間関係によってのみ識別できる。
カメラのポーズをエンコードする視点表現を導入し、そのモデルに観察視点を条件づける。
論文 参考訳（メタデータ） (2026-05-15T07:58:44Z) - Cross-View World Models [3.7896239978609434]
本稿では,クロスビュー・ワールド・モデル (XVWM) を紹介する。
我々は、Aimlabsから同期マルチビューゲームプレイデータをトレーニングする。
この結果から,複数視点の整合性は空間的接地表現に強い学習信号を与えることがわかった。
論文 参考訳（メタデータ） (2026-02-07T00:02:15Z) - Towards High-Consistency Embodied World Model with Multi-View Trajectory Videos [24.111891848073288]
身体的世界モデルは、視覚的な観察と行動を通じて物理的世界と予測し、相互作用することを目的としている。
MTV-Worldは正確なビジュモータ予測のためのマルチビュートラジェクトリ・ビデオ制御を導入した。
MTV-Worldは、複雑なデュアルアームシナリオにおける正確な制御実行と正確な物理的相互作用モデリングを実現する。
論文 参考訳（メタデータ） (2025-11-17T02:17:04Z) - VBench: Comprehensive Benchmark Suite for Video Generative Models [100.43756570261384]
VBenchは、"ビデオ生成品質"を特定の、階層的、そして非絡み合ったディメンションに分解するベンチマークスイートである。
我々は、人間の知覚とベンチマークの整合性を検証するために、人間の嗜好アノテーションのデータセットを提供する。
VBenchは、すべてのプロンプト、評価方法、生成されたビデオ、人間の好みのアノテーションを含むオープンソースとして公開します。
論文 参考訳（メタデータ） (2023-11-29T18:39:01Z) - A Control-Centric Benchmark for Video Prediction [69.22614362800692]
本稿では,アクション条件付きビデオ予測のベンチマークを,制御ベンチマークの形式で提案する。
私たちのベンチマークには、11のタスクカテゴリと310のタスクインスタンス定義を備えたシミュレーション環境が含まれています。
次に、ベンチマークを活用して、スケールするモデルサイズ、トレーニングデータの量、モデルアンサンブルの影響を調査します。
論文 参考訳（メタデータ） (2023-04-26T17:59:45Z)
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。