物理仿真 vs 世界模型的两种失败模式
概念与方法世界模型
仿真物理对但画面假，世界模型画面真但物理可能错，评测需分开设计
定义与机制
两条合成数据路线的失败方式正交。物理仿真（Isaac、MuJoCo、Genesis）由引擎保证接触和刚体行为，动作标注天然精确，失败在视觉迁移。视频世界模型生成的轨迹视觉真实，但无硬物理约束，动作标签要靠逆动力学或潜在动作反推，成败判定常由模型自己给。
证据与数字
- 对照：仿真成本前期重（资产场景）、复用后边际低；世界模型前期需基座加少量真机，边际生成贵（DreamGen 推算约 0.34 L40 GPU 小时/条）。
- 世界模型典型失败是幻觉成功，PlayWorld 称为最常见失败 [2]。
- 两条路可在 NVIDIA 栈内串联：Cosmos Transfer 2.5 接收 Isaac 渲染作控制输入 [1]。
- 评测相关性：SC3-Eval Pearson 0.929、WorldEval 平均 0.942 均为自报（WorldEval 表中 real-to-sim 基线平均 0.411）。
争议或反方
- 相关系数多为论文自报，增益多依赖少量真机数据。
- WM-DAgger 用真实专家末帧锚定来过滤不合理合成轨迹 [3]，说明纯生成数据尚不能直接用。
来源
相关卡片
sim2real gap概念与方法
仿真训练的策略到真机性能下降，视觉与接触动力学是两大来源
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
DreamGen / DreamDojo论文与基准
视频世界模型加逆动力学生成神经轨迹的四阶段方法，及 4.4 万小时人类视频预训练的 DreamDojo
SC3-Eval论文与基准
自一致视频世界模型评测，7 个真机 VLA 上 Pearson 0.929
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
Isaac Sim / Isaac Lab工具与格式 · 美国
NVIDIA GPU 并行物理加 RTX 渲染的仿真器与机器人学习框架
NVIDIA Cosmos（Predict / Transfer）工具与格式 · 美国
NVIDIA 开源世界基础模型家族，Predict 生成视频，Transfer 做 sim2real 增强
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。