Data / 机器人 / 具身 / 实体卡片

SC3-Eval

论文与基准世界模型

自一致视频世界模型评测，7 个真机 VLA 上 Pearson 0.929

链接
arxiv.org

数据配方

微调预训练视频基座作为策略评测器，用三重自一致约束：前向-逆向动力学一致、跨视角一致、测试时一致（生成帧偏离动作时终止 rollout）。作者含 Sergey Levine、Quan Vuong、Ming-Yu Liu、Jinwei Gu 等 [1]。

结果与证据

7 个真机 VLA 策略上，闭环评测与真机成绩的 Pearson 为 0.929，MMRV 为 0.119，优于三个视频模型基线 [1]。

已知缺陷与口径

基座为 Cosmos3-Nano（NVIDIA、Stanford、UC Berkeley 等机构作者），7 个被评策略均为 π0.5 架构的检查点，基线为 Ctrl-World、IRASim、Cosmos-Predict 2.5。7 个策略样本偏少、架构单一。评测只需排序正确，相关性高不代表可用作训练数据生成器。

来源

  1. arXiv 2606.18610 (2026-10-14)

相关卡片

幻觉成功概念与方法
世界模型在动作错误时仍生成任务成功的画面，污染想象中的 RL
Ctrl-World论文与基准
DROID 上训练的可控多视角世界模型，用于策略评测与成功轨迹回灌
WorldEval / dWorldEval论文与基准
用 Policy2Vec 把视频模型变成策略评测器，三任务 Pearson 均值 0.942

卡片整理 2026-10-14。公司自报数据标“公司口径”；⚠️ 为未经独立核实。