跳到正文
arXiv · 机器人与计算机视觉· Zhenglin Lai, Sirui Huang, Yuteng Li, Changxin Huang, Jianqiang Li, Bingzhe Wu·· 2026-10-20AI 评分65

ICAT:基于事故案例的自适应测试用于具身世界模型的物理风险预测

ICAT: Incident-Case-Grounded Adaptive Testing for Physical-Risk Prediction in Embodied World Models

AI 导读

针对参考图像条件化视频生成器难以预测物理危害的问题,本文提出 ICAT 基准,利用结构化风险记忆和人工验证构建包含 909 个评估单元的测试集。结果显示,即便初始状态和风险动作被保留,六种主流生成系统中最强者在八选一筛选下的严重后果严格成功率仅为 23.5%,暴露了复现风险动作与生成其文档化后果之间的差距。该工作已接受 NeurIPS 2026 海报展示。

来源:arXiv · 机器人与计算机视觉 · arxiv.org