arXiv · 机器人与计算机视觉· Jinzhou Tang, Zijun Zhang, Jing Yang, Yuchen Yan, Kun Zhou, Lingjun Mao, Ruobing Han, Jinglin Cao, Wenpeng Xu, Lukun He, Minghao Fu, Fan Feng, Biwei Huang·· 2026-10-06AI 评分72
Video2World:基于具身视频的编码代理交互式世界建模基准
Video2World: Benchmarking Coding Agents for Interactive World Modeling from Embodied Videos
AI 导读
Video2World 是一个包含 189 个机器人和人类演示视频、共 222 个重建实例的基准,用于评测前沿基础模型和编码代理在自动化构建交互式仿真环境方面的能力。该研究将自主视频到仿真的过程定义为软件工程任务,通过执行反馈迭代优化结果。评测结果显示,从 Claude Opus 5 开始任务成功率显著提升,但视觉保真度高的世界并不总是能带来更高的任务成功,反映了感知现实与事实正确性之间的差距。
来源:arXiv · 机器人与计算机视觉 · arxiv.org