EWMBench - 具身世界模型场景、运动与语义质量评测基准

导读：EWMBench 是面向具身世界模型的开源评测基准，用于从场景、运动与语义质量等维度比较模型。它能帮助阅读 PrimeSim 等项目的榜单结果，但不替代真实机器人、安全或完整物理仿真验证。

它评估什么

具身世界模型需要根据当前观测和动作预测后续状态。评测通常涉及视觉质量、动作条件一致性、轨迹与交互动态；单一综合分数无法覆盖所有真机任务或物理接触细节。

怎样使用榜单结果

• 看设置：确认训练数据、初始状态、相机视角、动作空间与采样过程。
• 看任务：区分视觉连续性、交互动态和下游策略成功率。
• 看复现：优先核对可用权重、代码、许可证及独立复现实验。
• 看真机：任何 sim-to-real 结论都应在真实硬件与安全边界下单独验证。

官方入口

EWMBench 官方 GitHub 仓库

常见问题

1. EWMBench 是什么？
   它是面向具身世界模型场景、运动与语义质量的评测基准，具体设置和复现方法应以官方仓库为准。
2. PrimeSim 已经开源了吗？
   原文称权重、推理代码和训练代码即将开源；在官方仓库实际公开前，不应将其视为可直接部署的资源。
3. 榜单第一是否代表能替代所有传统仿真器？
   不能。榜单与特定任务的对齐结果仅说明在所公开设置下的表现，物理精度、泛化、成本与真机迁移仍需独立验证。
4. 视频世界模型和物理仿真器有什么差异？
   前者从视觉与动作数据学习未来观测，后者通常显式计算物理；两者的适用范围、可解释性和失败模式不同。
5. 使用世界模型训练机器人策略要注意什么？
   应使用未见场景和真机测试检验 sim-to-real 偏差，并记录模型漂移、碰撞、安全限位和策略失效情形。