통합 액션 생성 프레임워크를 사용한 상호작용 세계 모델의 벤치마크

A Benchmark for Interactive World Models with a Unified Action Generation Framework

인공 일반 지능(AGI)을 달성하기 위해서는 에이전트가 적응적으로 학습하고 상호작용해야 하며, 상호작용 세계 모델은 인식, 추론 및 행동을 위한 확장 가능한 환경을 제공합니다. 그러나 현재 연구에서는 물리적 상호작용 능력을 평가하기 위한 대규모 데이터셋과 통합된 벤치마크가 부족합니다. 이를 해결하기 위해, 우리는 상호작용 관련 능력, 특히 거리 인식 및 기억 능력을 훈련하고 테스트하기 위한 종합적인 벤치마크인 iWorld-Bench를 제안합니다. 우리는 33만 개의 비디오 클립으로 구성된 다양한 데이터셋을 구축하고, 다양한 관점, 날씨 및 장면을 포괄하는 2,100개의 고품질 샘플을 선택했습니다. 기존의 세계 모델들이 상호작용 방식에 차이가 있기 때문에, 우리는 평가를 통일하고 6가지 유형의 작업을 설계하기 위해 액션 생성 프레임워크를 도입했으며, 이를 통해 4,900개의 테스트 샘플을 생성했습니다. 이러한 작업들은 시각적 생성, 경로 추종 및 기억 능력을 종합적으로 평가합니다. 14개의 대표적인 세계 모델을 평가한 결과, 주요한 한계를 파악하고 향후 연구를 위한 통찰력을 제공합니다. iWorld-Bench 모델 순위표는 iWorld-Bench.com에서 공개적으로 이용할 수 있습니다.

Achieving Artificial General Intelligence (AGI) requires agents that learn and interact adaptively, with interactive world models providing scalable environments for perception, reasoning, and action. Yet current research still lacks large-scale datasets and unified benchmarks to evaluate their physical interaction capabilities. To address this, we propose iWorld-Bench, a comprehensive benchmark for training and testing world models on interaction-related abilities such as distance perception and memory. We construct a diverse dataset with 330k video clips and select 2.1k high-quality samples covering varied perspectives, weather, and scenes. As existing world models differ in interaction modalities, we introduce an Action Generation Framework to unify evaluation and design six task types, generating 4.9k test samples. These tasks jointly assess model performance across visual generation, trajectory following, and memory. Evaluating 14 representative world models, we identify key limitations and provide insights for future research. The iWorld-Bench model leaderboard is publicly available at iWorld-Bench.com.