北京
鳳凰網(wǎng)科技訊 7月9日，近日，高德聯(lián)合清華大學(xué)、北京大學(xué)、南京大學(xué)發(fā)布交互式世界模型評(píng)測(cè)基準(zhǔn)WorldRoam-Bench，重點(diǎn)評(píng)估模型在連續(xù)漫游中的動(dòng)作跟隨、視覺質(zhì)量、物理交互和記憶一致性。現(xiàn)有世界模型評(píng)測(cè)大多聚焦視頻質(zhì)量、整體軌跡或有限輪次交互，難以充分刻畫開放域長(zhǎng)時(shí)漫游中的真實(shí)失效模式，如畫面漂移、結(jié)構(gòu)退化、主體身份變化等問題。該基準(zhǔn)共包含600余個(gè)測(cè)試案例，覆蓋第一人稱與第三人稱視角，涉及室內(nèi)、自然、城市三類開放域場(chǎng)景，通過10至60秒的連續(xù)WASD/IJKL交互模擬真實(shí)漫游體驗(yàn)，并設(shè)置15個(gè)細(xì)分指標(biāo)進(jìn)行量化評(píng)估。
WorldRoam-Bench已評(píng)測(cè)10余個(gè)前沿交互式世界模型，涵蓋開源模型與閉源產(chǎn)品，并設(shè)公開積分榜用于持續(xù)追蹤能力進(jìn)展。評(píng)測(cè)圍繞四個(gè)維度展開：動(dòng)作跟隨層面，逐幀檢查控制響應(yīng)，避免“軌跡看似正確但過程中多次漏響應(yīng)”的問題被掩蓋；視覺質(zhì)量層面，重點(diǎn)關(guān)注長(zhǎng)時(shí)間生成中的顏色變化、模糊累積、結(jié)構(gòu)坍塌等漂移與退化現(xiàn)象；物理交互層面，通過可控性門控機(jī)制區(qū)分動(dòng)作失敗與物理失敗，覆蓋碰撞、穿模、形變、地形跟隨、反射、陰影及3D一致性等現(xiàn)象；記憶能力層面，通過3D點(diǎn)云重建評(píng)估視頻幻覺率，結(jié)合SAM2跟蹤與視覺語言模型推理，評(píng)測(cè)場(chǎng)景結(jié)構(gòu)、空間布局、主體外觀與狀態(tài)的保持能力。
結(jié)果顯示，尚無單一模型在所有維度上同時(shí)領(lǐng)先，視覺質(zhì)量、動(dòng)作可控性、物理一致性與記憶能力之間存在明顯陣營區(qū)分。該基準(zhǔn)將持續(xù)擴(kuò)展場(chǎng)景類型與交互難度，推動(dòng)交互式世界模型走向高可用的全域開放階段。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
