重新思考面向具身世界的视频生成模型

arXiv 2026 41.9 benchmark, application

TLDR

提出RBench基准和RoVid-X数据集，用于机器人视频生成，揭示物理真实感缺陷。

评分理由

The paper's strength lies in its comprehensive benchmark and large-scale dataset, with strong human correlation. However, it focuses on evaluation rather than proposing a new generative model, and its scope is limited to video generation without interactive or world model aspects.

Read-first 评分解释

综合优先阅读分 41.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 11。

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、数据集、评估、指标、结果

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集

主题相关性 42%

15.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：484。

关键词评分

video world model

world dynamics prediction

world model

world simulator

generative world model

interactive world model

model-based reinforcement learning world model

资源

论文