发布 WorldFailBench 评估世界模型对策略失败的理解

Zheng Zhang 等研究者在 arXiv 发布 WorldFailBench 基准，检验世界模型能否忠实模拟机器人策略如何失败、在哪个阶段失败以及何时从成功转为失败。基准包含失败原因、失败阶段、失败边界三项评估任务。 评估覆盖 LIBERO 和 RoboTwin 仿真环境中的操作任务，以及 G1 人形机器人真实操作任务。对七个世界模型的实验显示，这些模型在理解策略失败方面存在明显差距，研究者称这一结果可为开发更可靠的、用于策略评估的世界模型提供参考。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。