WorldArena 2.0推进世界模型真机闭环评测

世界模型的竞争正从生成逼真视频，转向能否预测动作后的状态变化、支持策略训练，并在真实机器人上完成任务。由清华大学联合多所高校推出的WorldArena，已成为该领域的重要评测体系。

WorldArena 1.0覆盖视频质量、数据生成、策略评估和动作规划，但主要面向纯视觉、离线任务与仿真环境。2.0则在模态、功能和平台三方面升级，加入视触觉感知、在线强化学习以及真实机器人测试。

WorldArena 2.0 Challenge在IROS 2026设置三条赛道：Track 1评测视频质量，Track 2考察世界模型能否作为强化学习环境，Track 3测试真实机器人操作。Track 1包含70项任务，其中50项为白色桌面分布内场景、20项为彩色或纹理桌面分布外场景，并以15项指标综合评分。

9月16日公布的终榜显示，三条赛道独立排名，总奖金为7000美元。Track 1共有81个模型获得成绩，视启未来WorldIncept以72.33分第一，同济大学BWM-Turbo以71.49分第二，差距0.84分。WorldIncept在物理遵循性、3D准确性和语义对齐方面领先；BWM-Turbo则在背景一致性和JEPA表征相似度上排名第一。

Track 2基于RoboTwin 2.0的“调整瓶子”任务，要求策略在世界模型中连续交互并接受训练。北京中关村学院MW2以72.93分夺冠，晨昏线科技TTWM以72.40分第二，47个模型中仅两者超过72分；相关优化还使VLA策略成功率从55.46%提升至72.40%。

Track 3把评测推进到AgileX双臂和Franka Panda单臂机器人，包含视触觉任务夹薯片、削黄瓜、插两孔插头，以及纯视觉任务擦桌、倒水和清理桌面等。赛事同时检验模型对接触力、噪声、延迟和动作偏差的鲁棒性，体现世界模型从预测、支撑学习到真机执行的能力进阶。