arXiv · AI· Zheng Zhang, Xiaoyang Tang, Shuaiqi Cheng, Jiakai Huang, Zhongbo Wu, Ziyi Zhang, Yuan Si, Zeyu Liu, Weibo Gao, Shunyu Liu, Shan You, Fei Wang, Xiaogang Wang, Dacheng Tao·· 24 天前AI 评分26
WorldFailBench:世界模型是否理解策略失败
WorldFailBench: Do World Models Understand Policy Failures?
AI 导读
研究提出 WorldFailBench 基准,用于评估世界模型能否忠实模拟机器人策略的失败原因、阶段及边界。 该基准涵盖 LIBERO 和 RoboTwin 仿真环境及 G1 人形机器人的操作任务,包含三项评估任务。 实验测试了七种世界模型,发现其在理解策略失败方面存在显著差距,为提升策略评估可靠性提供了指导。
来源:arXiv · AI · arxiv.org