陈建宇×斯坦福Chelsea团队世界模子Ctrl-World能力登

　　正在 3D 精确性维度的深度精确性（Depth Accuracy）目标上，Ctrl-World 以 0。9300（取第一位差距仅 0。0012）属全球第一梯队，展示了对三维空间布局的精准把握。这一能力间接决定机械人正在抓取、堆叠、插入等细密操做中的成功率，避免因「空间误差」导致的抓空、碰撞等失误。

　　正在 Policy Evaluator 使命中，Ctrl-World 取 RoboTwin 物理模仿器的评估相关性高达 0。986，这意味着正在 Ctrl-World 中测试的机械人策略机能，取正在实正在物理中测试的成果几乎无差别。比拟之下，Cosmos-Predict 2。5 的相关性仅为 0。483。这一差距的背后的手艺逻辑正在于：Ctrl-World 通过显式动做建模（Action-Conditioned）架构，将机械臂关节角度、结尾施行器位姿等低层物理参数间接做为生成前提，强制模子进修「施行动做 A→发生形态 B」的物理链，而非仅仅按照文字描述「猜测」动做。

　　该系统聚焦具出身界模子这一焦点范畴，打制了涵盖 16 大焦点目标、3 大实正在使用使命的全方位分析测试场景，全面查核模子的精度、物理理解、空间认知、动做预测及现实落地适配能力，实现对具身智能焦点手艺的全方位、深条理查验，而非单一维度的能力比拼。

　　此次共有全球顶尖 14 款参赛模子同台竞技，笼盖通用视频生成衍生模子、机械人公用模子等所有支流手艺线，实正构成「全球玩家齐聚」的款式，榜单成果不只是各模子能力的曲不雅排名，更成为行业手艺研发、标的目的结构的主要「风向标」，引领具身智能范畴的立异成长。

　　轨迹精确性（Trajectory Accuracy）权衡机械臂活动轨迹取实正在物理轨迹的对齐度，是机械人动做规划的焦点根本。Ctrl-World 以 0。4766 的绝对劣势位列全球第一，意味着其生成的机械臂活动轨迹取实正在世界物理活动几乎完全吻合，为机械人供给了可相信的「数字孪生」动做模板。

　　低分案例（深度精确性 59。07）：同场景下呈现机械臂取物体非常融合（穿透）、严沉几何失实、鬼影恍惚及暗影缺失，空间完整性崩塌。

　　Ctrl-World 正在轨迹精确性（0。4766）、深度精确性（0。9300）等焦点目标上的领先地位，此中轨迹精确性（0。4766）位列全球第一。

　　这种「手艺目标 + 适用使命 + 人类校验」的三沉查核，让 WorldArena 的排名不只是「分数凹凸」，更是模子现实使用价值的间接表现。

　　Ctrl-World 正在物理贴合度、3D 精确性及可控性等维度的全面领先，并非仅仅是尝试室里的数字逛戏，而是间接决定了其做为「机械脑」的适用价值。WorldArena 的评测数据清晰了这种关系？。

　　视频质量 6 大评估维度示企图：视觉质量、活动质量、内容分歧性、物理贴合度、3D 精度、可控性，每个维度都有明白的好坏判断尺度！

　　高分案例（90。07）：正在「adjust bottle」使命中，颜色、标识及的时序不变，无漂移或形变，表现高保实「数字孪生」特征。

　　高分案例（深度精确性 91。58 ）：正在「stack blocks three」取 「stack bowls two」使命中，生成深度图取实正在场景（GT）高度分歧，物体空间不变、透视关系合理，机械臂取物体连结准确的空间分手取物理接触，表现精准的三维空间布局认知。

　　低分案例（1。242）：同场景下瓶子呈现严沉几何变形取身份特征丢失，发生视觉噪声，间接影响机械人策略锻炼的靠得住性。

　　6 大焦点维度涵盖视觉质量、活动质量、内容分歧性、物理贴合度（Physics Adherence）、3D 精确性（3D Accuracy）、可控性，细分为 16 项量化目标，每一项都对应机械人现实使用的痛点。

　　针对 Depth Accuracy 第一梯队成就，Ctrl-World 融合多视图结合预测取视频预测模子，不只预测 RGB 像素，更现式建模深度图取点云布局，操纵多视角数据锻炼空间认知能力，使其正在处置「堆叠积木」等需要切确深度精确性的使命时，成功率超仅利用单目视频锻炼的模子。

　　Ctrl-World 正在锻炼过程中嵌入物理引擎束缚，将牛顿力学定律「内化」为生成过程的硬束缚。分歧于纯真依赖像素统计纪律的通用视频模子，Ctrl-World 通过物理引擎监视，强制生成内容恪守质量、摩擦、碰撞守恒律。这恰是其策略评估相关性达到 0。986 的焦点缘由 —— 生成过程受物理纪律束缚，模仿的动态取实正在物理模仿器的误差极小。

　　70 位专业标注者对 3500 个视频进行客不雅评估，确保成果既合适手艺尺度，又切近人类对「适用」的曲觉判断。

　　WorldArena 之所以能成为行业的权势巨子榜单，焦点正在于其「全面、硬核、具引领性」的定位，完全区别于泛化的 AI 评测系统，其专业权势巨子源于三大焦点特质。

　　正在全球具身智能范畴的权势巨子评测 WorldArena 榜单中，陈建宇（星动创始人）团队结合斯坦福 Chelsea Finn（PI 创始人） 团队研发的 Ctrl-World 世界模子交出优异答卷。

　　Ctrl-World 以 0。8411 的得分拿下该目标全球第一。这一目标用于权衡视频中生成物体的身份、外不雅取形态正在时序维度的不变程度，Ctrl-World 的领先表示，使其生成的机械人操做视频能最大程度规避物体漂移、形态形变或身份混合等问题，为机械人功课供给了高保实的「数字孪生」交互对象。

　　正在 Action Planner 使命中，虽然当前所有世界模子的绝对成功率仍有提拔空间，正在闭环动做施行使命中，物理贴合度和轨迹精度的凹凸间接决定了机械臂可否完成「调整瓶子」、「点击铃铛」等操做。Ctrl-World 的轨迹精度（0。4766）和深度精确性（0。9300）确保了生成的动做序列正在实正在机械人上施行时，可以或许精准达到方针并维持物理不变的交互，避免了因「空间误差」导致的抓空、碰撞等操做失误。

　　WorldArena 由大学牵头，结合普林斯顿大学、新加坡国立大学、大学、大学、中科院、上海交通大学、中国科学手艺大学等 8 所全球顶尖学术机构配合研发，团队均为具身智能、计较机视觉、机械人学范畴的权势巨子学者，配合制定了兼具科学性取适用性的硬核评测尺度。

　　正在 Data Engine 使命中，Ctrl-World 生成数据的物理合确保了其可用于锻炼实正在策略。原论文指出，很多模子生成的合成数据虽然视觉上清晰，但因缺乏物理分歧性，锻炼出的策略正在实正在中完全失效（「virtual data training， real world ilure」）。而 Ctrl-World 通过嵌入物理引擎束缚的锻炼体例，确保生成的视频不只「看起来对」，更「物理上对」，使其合成的视频 - 动做序列实正具备锻炼价值。

　　取 Genie Envisioner、GigaWorld 等文本前提化模子分歧，Ctrl-World 采用显式动做建模，间接将机械人动做参数（关节扭矩、夹爪开合度）注入生成过程。原论文明白指出：「explicit action modeling plays a critical role in producing physically plausible interactions」（显式动做建模对发生物理合理交互至关主要）。这使其可以或许切确模仿接触力反馈、惯性传送等物理现象，从底子上避免了文本模子常见的「物体穿透机械臂」、「隔空吸附」等错误。

　　陈建宇团队结合斯坦福 Chelsea Finn 团队研发的 Ctrl-World 正在 WorldArena 拿下「具身使命第一、视频生成分析第二」的佳绩，焦点正在于其精准把握了具出身界模子的素质 ——「以物理纪律为根，以空间认知为骨，以功能 utility 为魂」。跟着更多模子插手评测、更多场景被纳入系统，WorldArena 将持续鞭策具出身界模子向「更懂物理、更有空间感、更能干活」的标的目的成长，加快机械人自从智能的落地历程。

　　得益于其权势巨子的评测尺度取行业影响力，全球顶尖具出身界模子研发团队均自动参取评测，首批参评阵容涵盖国际科技巨头、顶尖学术机构，包罗：谷歌、英伟达、阿里、字节、智谱、智元、极佳视界、大学、斯坦福大学、大学、大学、普林斯顿大学等！

　　正在最具适用价值的策略评估（Policy Evaluator）使命中，Ctrl-World 取实正在物理模仿器（RoboTwin 2。0）的评估成果相关性高达 0。986，近乎完满复刻实正在动态。这意味着开辟者可间接用 Ctrl-World 测试机械人策略，无需搭建高贵的实正在物理。

　　3 大具身使命（数据引擎、策略评估、动做规划）模仿模子的实正在利用场景，间接查核「生成的内容能不克不及锻炼机械人」、「模仿的能不克不及测试策略」、「规划的动做能不克不及完成使命」。