Cinq grandes universités lancent le premier benchmark pour les modèles du monde à trois vues en robotique

Le défi TriWorldBench, lancé conjointement par l'Université de Pékin, l'Université Tsinghua, l'Université Beihang, l'Université Jiao Tong de Shanghai et l'Université des sciences et technologies de Chine, a publié son premier classement hebdomadaire. Il s'agit du premier benchmark d'évaluation pour les modèles de monde à trois vues en robotique, visant à établir un système d'évaluation plus complet pour les modèles de monde incarnés et à les faire passer de la « génération visuelle » à la « compréhension du monde ». Le benchmark évalue les modèles sur la cohérence multi-vues, l'exécution des tâches et la compréhension de l'espace physique, et est ouvert aux équipes de recherche du monde entier. Au cours de la première semaine, les modèles WoVR_Plus de CASIA-DRL, BetaBWM de TONGJI Spatial Intelligence Team et Fysiverse-Video de Fysics AI ont pris les trois premières places. Le benchmark se concentre sur la génération et la compréhension de vidéos synchronisées de trois vues : la vue de la tête, la vue du poignet gauche et la vue du poignet droit. Il utilise 500 épisodes synchrones de trois vues couvrant 50 tâches de manipulation robotique, et agrège 19 signaux d'évaluation répartis en six dimensions en un score total appelé TWB-Score. Le système construit également des annotations STATE à partir des trajectoires de référence pour évaluer le mouvement et l'immobilité. Le classement est mis à jour régulièrement, et les organisateurs encouragent la participation mondiale via le site officiel et le dépôt GitHub.