首个物理 AI 真实 落地能力解析式评测基准

推动物理 AI 与具身智能回归技术进步与真实能力的客观评价

5 大核心问题

5 大能力域、14 个能力维度

55 项能力

基础智能

01.世界理解能力
指令理解、对象理解、时空理解、科学理解、因果理解
02.世界推演能力
运动学一致性、动力学一致性、场景一致性、空间几何一致性
03.自主决策能力
任务规划、任务执行、评估决策
04.具身运动能力
具身移动、具身操作、全身协调、工具使用

适应学习

05.泛化迁移能力
指令泛化、物体泛化、场景泛化、任务泛化、本体泛化、技能组合泛化
06.学习进化能力
记忆能力、反思能力、举一反三、终身学习、自主探索

人机共存

07.多机协作能力
任务协作、运动协作、一脑多机
08.人机协作能力
任务协作、运动协作、行为理解、社会规范理解、偏好对齐
09.人机交互能力
自然语言交互、非语言交互

安全可靠

10.安全性
物理安全、认知安全、主动安全、攻击对抗
11.鲁棒性
硬件鲁棒性、任务鲁棒性、时间鲁棒性

应用实践

12.技能知识覆盖度
知识覆盖、技能覆盖
13.应用成本与效率
开箱即用、学习成本、学习效率、部署成本、执行效率、跨平台适配
14.应用稳定性
跨任务稳定性、训练稳定性、长期稳定性

核心特色

真实性

评测能力最真实

面向实际应用中的学习、泛化和实践,从能力、成本、效率三个方面评测模型,客观反映真实落地表现。

充分性

评测维度最全面

覆盖4 类模型、14 个能力维度、55 项能力、158 个能力指标。评测任务与能力逐项对应,确保覆盖全面、维度不重复。

权威性

评测结果最客观

只做裁判,不做运动员。客观反馈模型表现,评测结果可复现,评测工作开源开放。

评测数据集

World Model Benchmark

世界模型评测数据集

理解物理世界,评测预测与生成能力

1,075 道评测题