EVEWorld

数据集分析

具身世界模型能够为机器人学习实现具身交互的可扩展仿真。然而，现有模型容易出现“模型惰性”（Model Laziness），因为它们只关注视觉保真度而牺牲物理推理，并且缺乏对被操作物体时间动态的过程级监督。在这项工作中，我们提出 EVEWorld，一个用于物理一致目标演化的物理演化监督框架。EVEWorld 由两个组件组成：实例引导恢复（Instance-Guided Restoration, IGR）和时间实例对齐（Temporal Instance Alignment, TIA）。首先，IGR 通过恢复监督促进实例一致性。其次，TIA 通过跨相邻帧对齐目标实例来促进跨帧一致性。我们进一步引入模型惰性率（Model Laziness Rate, MLR），一种衡量生成轨迹中实例一致性持续违反情况的指标。在 DreamGenBench、EWMBench 和 PBench 上的大量实验证明了 EVEWorld 的有效性， notably achieving an 87.5% reduction in MLR compared with GigaWorld-0. 在 WorldArena 2.0 Track 1 排行榜上，我们的模型在 JEPA Similarity 中排名第 6，综合排名第 17，这进一步验证了我们的演化监督策略的性能。