WorldFailBench：评测世界模型模拟策略失败

2026年10月27日，arXiv Robotics 刊出研究报道，Zheng Zhang 等作者提出并发布 WorldFailBench 基准，用于检验世界模型能否忠实模拟机器人策略的失败过程。该基准设置失败原因、失败阶段和失败边界三项任务，覆盖 LIBERO 与 RoboTwin 仿真环境中的操作任务，以及 G1 人形机器人的真实操作任务。报道称，对七个世界模型的实验显示，它们在理解策略失败方面存在明显差距。目前该事件仅有这一篇主报道，尚无后续跟进报道，因此基准的具体评测细节、各模型得分与排名等均未见披露。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。