五大高校联手发榜！首份机器人三视角世界模型评测结果出炉，榜单持续更新中
三视角世界模型谁更稳?
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
五大高校联手发榜！首份机器人三视角世界模型评测结果出炉，榜单持续更新中
近日，由北京大学、清华大学、北京航空航天大学、上海交通大学、中国科学技术大学联合发起的TriWorldBench Challenge，正式公布首周榜单更新结果。
作为首个面向机器人三视角世界模型的评测榜单，TriWorldBench旨在建立更加全面的具身世界模型评价体系，推动世界模型从“视觉生成”迈向“世界理解”。
榜单综合评估模型在三视角一致性、任务执行、物理空间理解等方面表现，面向全球相关研究团队开放参与，目前已收录多个公开评测结果，后续将持续更新评测结果。
（榜单地址：https://www.triworldbench.com/#leaderboard）
第一周的比赛中，来自CASIA-DRL的WoVR_Plus模型、来自TONGJI Spatial Intelligence Team的BetaBWM模型、以及来自Fysics AI的Fysiverse-Video模型占据了榜单的前三席。
从“生成视频”到“理解世界”，具身世界模型的新评价标准得到参赛者认可
TriWorldBench自发布以来，网页总访问量已破万，测评工具下载量超200，网页日访问量逾千；短短一周时间已经有14个正式参赛队伍。
这表明，三视角世界模型的竞争焦点已从单一视图的视觉保真度，转向多视角（head view、left-wrist view、right-wrist view）间的时空一致性与物理逻辑自洽性。
当前排名差异主要源于模型在多视角几何对齐、任务执行准确性及物理动态理解等维度的表现，而非单帧图像的感知质量。
TriWorldBench旨在建立一套系统化评估框架，对上述多维能力差距进行精确量化与可解释性分析，从而推动世界模型从“视觉生成”向“具身认知”范式演进。
该榜单聚焦机器人操作场景中的head view（头部视角）、left-wrist view（左腕视角）、right-wrist view（右腕视角）多视角视频生成与理解能力，希望建立更加全面的世界模型评价标准，推动具身世界模型从“视觉生成”迈向“世界理解”。
但对于具身世界模型而言，仅仅生成一段“看起来真实”的视频远远不够。
不同视角之间并不是简单的信息重复，而是共同构成机器人对世界的完整认知。
因此，一个真正可靠的具身世界模型，不仅需要生成单个视角下合理的视频，还需要保证：
针对多视角一致性这一核心挑战，TriWorldBench Challenge提出了一套面向机器人操作场景的综合评测体系。
相比传统单视角视频评价方式，TriWorldBench更加关注模型是否具备真实世界理解能力。
换句话说，三路视频不能只是分别“看起来合理”，还需要共同描述一次完整、连贯的机器人操作过程。
TriWorldBench进一步评估模型对于机器人操作过程的理解能力，包括：
其中，头部视角主要用于判断任务指令、机械臂轨迹和最终结果；腕部视角则进一步检查抓取是否稳定、是否发生滑移，以及夹爪与物体之间的局部交互是否正常。
这意味着，画面看起来足够清晰、流畅，并不代表机器人真正完成了任务。
TriWorldBench希望让世界模型评价从“看起来像”进一步走向“真正可用”。
TriWorldBench希望通过多视角评测，进一步探索世界模型对于真实环境的理解能力。
不只是排名：TriWorldBench更希望成为帮助研究团队优化模型的诊断工具
更重要的是，它能否解释模型为什么得分高或低，并把清晰的改进方向反馈给研究者。
TriWorldBench因此没有把三路视频压成一个简单平均分，而是建立了从同步数据、动作状态到多层结果的完整评测链路。
基准包含500个三视角同步episode，覆盖50个机器人操作任务。
系统围绕三视角一致性、任务对齐、物理与3D一致性、运动质量、时序一致性和视觉质量六个维度，汇总19项评测信号，并以TWB-Score作为榜单总分。
每个生成视角先与对应的真值相机进行对照，再通过head-wrist语义判断和联合三视角问答，检查机械臂状态、动作阶段、接触关系以及目标物体是否相互兼容。评测并不要求视角差异巨大的头部画面与腕部画面在像素上相同，而是判断它们能否共同解释同一次操作。
与此同时，指标会被分配到证据最可靠的相机。头部视角更适合判断任务指令、全局进度、机械臂轨迹和最终结果；
这样既不会让腕部遮挡影响全局任务判断，也不会让清晰的头部画面掩盖夹爪附近的失败。
TriWorldBench从参考机器人轨迹中构建STATE标注，识别当前动作阶段、活动机械臂，以及每个视角预期处于运动还是静止。
该动的腕部如果长时间冻结会被扣分，不该动的相机出现多余运动同样会被识别。
由此，稳定不再等同于“全程不动”，运动丰富也不再天然代表模型理解了任务。
当头部轨迹错误，或三路视频在机器人和物体状态上发生冲突时，系统会对视觉质量进行任务约束后的修正，避免一段精致但错误的视频凭借“好看”获得不合理优势。
在VLM语义评测中，评测协议还会先与人类专家的打分和排序进行对齐，再冻结规则用于正式测试。
榜单除了报告TWB-Score，还保留六大维度、单项指标、逐视角、head-wrist配对和联合三视角结果。
研究团队因此不仅能看到排名，还能判断问题究竟出在任务、运动、画质，还是三个摄像头之间的世界状态没有对上。
这让TriWorldBench更像一套面向研发的“体检报告”：它不只回答谁更强，也帮助解释模型下一步应该改进哪里。
TriWorldBench Challenge面向全球相关研究团队开放报名。
无论是专注视频生成能力，还是探索机器人交互与空间智能方向的模型，都可以通过统一的数据和评测体系参与挑战。
通过公开榜单，TriWorldBench希望为不同技术路线提供公平比较的平台，同时推动具身世界模型领域形成更加统一、科学的评价标准。
未来的机器人，不仅需要看到世界，更需要理解世界、预测世界，并在真实环境中完成复杂任务。
TriWorldBench Challenge希望推动行业共同回答一个关键问题：
首周榜单结果只是一个开始。随着更多前沿模型加入这场挑战，TriWorldBench正在成为观察具身世界模型技术进化的重要平台。
未来，谁能让机器人更准确地理解空间、预测变化并完成复杂任务，将在持续更新的榜单中逐渐揭晓。
TriWorldBench Challenge已开放官方网站及GitHub开源仓库，欢迎全球研究者参与交流：
TriWorldBench官网网站：https://www.triworldbench.com/ GitHub开源：https://www.github.com/TriWorldBench/TriWorldBench
腾讯混元Hy ASR 3.0 preview：让语音识别理解上下文2026-08-04
WorkBuddy重大升级，AI时代的Office来了2026-07-30
世界模型有了开源基座Emu3.5！拿下多模态SOTA，性能超Nano Banana
刚刚，机器人顶会RSS三项最佳论文出炉！708篇送审，仅8篇杀入决赛
突发，Jeff Dean离职创业！谷歌股价应声蒸发1.34万亿
Artificial Analysis榜单：阿里Qwen3.8Agentic能力得分全球第一
MiniMax H3登顶开源社区第一，定义视频模型领域“斩杀线”
超级算力枢纽远景乌兰察布星河基地投产，全球最大AI算力超级单体落地
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1