Roz：世界模型潜空间的物理属性测试

论文提出名为 Roz 的评估框架，指出当前世界模型虽在机器人规划中表现优异，但往往忽略了物体的质量、变形、摩擦和弹跳等关键物理细节。该评估包含 10 个对比任务和 3 个连续任务，共 1734 个场景，仅依赖静止帧、潜空间提取和距离函数即可运行。作者认为当前模型失败源于不透明且高算力的评估策略，Roz 旨在为未来基准测试提供可快速迭代的案例。