智元机器人开源具身世界模型EVAC与评测基准EWMBench
近日，智元机器人重磅发布具身智能领域双重里程碑式突破：在去年发布的机器人4D世界模型基础上，推出动作序列驱动的世界模型框架 EVAC（EnerVerse-AC），同时配套提出全球首个具身世界模型评测基准 EWMBench，构建从世界模型从训练到评测的全链路闭环。
这两大创新成果现已全面开源，EVAC也成为全球顶尖机器人赛事 AgiBot World Challenge @ IROS 2025 的baseline之一。
EVAC arxiv：https://arxiv.org/abs/2505.09723
EVAC 开源代码：https://github.com/AgibotTech/EnerVerse-AC
EWMBench arxiv: https://arxiv.org/abs/2505.09694
EWMBench 开源代码：https://github.com/AgibotTech/EWMBench
智元机器人这一动作，打破当前具身智能演进面临的两大关键制约：在测试阶段，真机验证代价大、风险高，仿真系统又受制于虚实偏差；在数据层面，海量真机数据尚未构建基于轨迹扩增的高效利用机制，限制了多样性生成与泛化训练。
技术突破：EVAC—— 全球首个机器人动作序列驱动的世界模型
EVAC 是一个能够动态复现机器人与环境复杂交互的世界模型，标志着从传统仿真到生成式模拟的跃迁。
▍核心能力：从 “物理执行” 到“像素空间”的精准映射
EVAC基于前序工作 EnerVerse 架构持续演进，创新型引入多级动作条件注入机制，实现 “物理动作 - 视觉动态” 的端到端生成，其核心能力体现在以下几个方面：
- 机器人动作与像素的高精度对齐：将机械臂 6D 位姿（x,y,z,roll,pitch,yaw）与末端执行器行程投影为action map，确保物理动作与图像帧的像素级对齐，精准建模 “抓取”、“放置”、“碰撞”、“推拉”、“快速抛掷”、“缓慢摇晃” 等复杂动力学行为；
- 动态多视图建模：引入Ray Map编码相机运动轨迹，支持头部 、腕部等多视角协同生成一致且连贯的视觉场景，赋予机器人更全面的环境生成能力。；
- 卓越的长时序一致性：采用 Chunk-Wise 自回归扩散架构与稀疏记忆机制（Sparse Memory），EVAC能够实现单视图稳定生成长达 30 个连续片段、多视图下亦可维持 10 个连续片段的无漂移稳定输出，保证了模拟过程在时间轴上的连贯性与真实性；
- 数据高效利用：融合 Agibot-World 数据集 + 失败轨迹（如抓取滑脱、路径碰撞）提升生成质量，该策略能有效抑制幻觉现象，使模型能更合理、更全面地建模机器人与环境的交互动态。
▍双重价值：生成式仿真评估+数据引擎双轮驱动
生成式仿真评测：
针对真机评测成本高、风险大、难以复现等痛点，EVAC开创性地提出了生成式模拟评测方案，它能与待评测的策略模型进行交替推理，构建起一套完整的交互式评测管线。实验显示，在多个任务中，EVAC所生成的评测结果与真机评测的成功率具有高度一致性，甚至能够可靠地识别出性能更优的模型权重，大幅提升了策略模型的筛选效率。
数据增广引擎：
EVAC 能够基于极少量的专家轨迹数据，通过动作插值与高保真画面生成技术进行大规模数据增广。应用结果表明，采用EVAC数据增广数据训练的策略模型，其任务成功率提升高达29%，目标跟随性得到显著改善，验证了这一方案在具身智能研究中的实用性与高性价比。
具身世界模型评测基准EWMBench——打造具身世界模型的 “质检尺”
为了科学、系统地衡量具身世界模型的性能表现，智元机器人推出了全球首个具身世界模型评测基准——EWMBench，旨在填补行业空白，构建统一、可信的评测标准。
▍三维度评估体系：场景 × 动作 × 语义的立体考核
针对机器人操作场景的复杂性与特殊性，EWMBench构建了立体化的评估体系，从场景一致性、动作合理性 与 语义对齐与多样性 三大核心指标进行分析：
场景一致性Scene Consistency：评估生成场景中背景/物体/视角等稳固度与真实性，采用微调过的DINOv2特征进行量化。
动作合理性Motion Correctness：利用HSD (Symmetric Hausdorff Distance), nDTW (normalized Dynamic Time Warping) 和 Dynamics Score 三重互补指标协同精确评估生成动作的合理性与动力学真实度。
语义对齐与多样性Semantic Alignment & Diversity：结合MLLM(多模态大模型）和CLIP从全局指令对齐度、关键步骤语义准确性、逻辑合理性等多个层次对生成视频进行语义理解评估。
▍权威数据支撑与便捷开源工具
- 基准数据集：EWMBench 基于行业领先的开源百万真机数据集 AgiBot World 构建，涵盖了家居、工业、医疗三大场景的 10 类典型机器人操作任务和刚体 / 柔体 / 流体 / 关节物体等多种交互对象，其中包含超过 300个精心设计的测试样本及 30% 挑战性场景（低光照 / 部分遮挡），全面验证模型在复杂环境下的鲁棒性。
- 开源评测工具：智元机器人同步开源了全流程评测工具，支持一键生成标准化对比报告，大幅降低评估门槛，方便研究者快速开展模型比较与性能分析，加速实验验证与成果复现。
▍卓越评测性能：更贴近人类主观感知
相较于当前主流视频生成评测基准 VBench，EWMBench 在评测结果与人类主观判断的一致性方面表现更优，能够更真实、细致地反映具身世界模型在交互理解、动作还原与视觉一致性等核心维度的实际能力。
协同效应：EnerVerse X EVAC × EWMBench 的 “螺旋进化”
EnerVerse 作为强大的世界模型基础架构，为 EVAC 提供可靠的基础框架与预训练能力，而 EVAC 生成的多样化高质量数据又能反哺 EnerVerse 模型的持续优化，二者形成 “训练 - 验证” 技术闭环，不断推动模型性能突破。通过 EWMBench 提供的精细化、多维度量化分析，研发团队可以精准定位 EVAC 在处理如 “多物体交互”“动态环境避障” 等复杂场景的潜在不足，从而进行更具针对性的优化。
EVAC 与 EWMBench 组合方案，已正式入选 AgiBot World Challenge @ IROS 2025 – World Model赛道的官方基线系统与评测标准。对于致力于具身智能世界模型研究的开发者和团队而言，提供了一个宝贵的实践与验证平台。我们鼓励有兴趣的同行关注并参与此项挑战赛。参赛者将有机会：利用EVAC开源代码与模型权重，训练、调优具身世界模型；通过EWMBench全面的评测维度和标准化工具，客观评估其世界模型的性能；在统一的基准下与全球研究者交流、比较和迭代各自的创新方法。AgiBot World Challenge @IROS 2025旨在促进具身智能领域的前沿探索与技术交流，期待通过这一平台见证更多富有创造力的成果。
具身世界模型 EVAC和具身世界模型评测基准 EWMBench的发布和开源，将全面破解模型评测成本高和数据价值未充分挖掘利用的行业痛点，标志着具身智能进入“算法 - 评测” 协同进化时代。智元机器人也将持续践行具身智能生态发展的创新和协作，持续推动前沿技术开源，引领具身智能迈向更高效、更普适的未来。
