全球第一！跨维智能世界模型领跑国际评测WorldArena
全球具身世界模型权威评测基准WorldArena最新公开榜单显示，跨维智能自主研发的通用具身世界模型DSCFuncWorld斩获Track 2赛道全球第一名 (https://world-arena.ai/)。此次登顶标志着跨维智能在具身数据生成、世界动态预测、机器人操作模型等关键方向已获得国际认可，进一步验证了跨维智能面向通用具身智能底层技术路线的系统性突破。
当前，世界模型正在成为全球人工智能头部力量竞逐的核心方向。英伟达、谷歌等国际科技企业持续围绕物理AI、机器人仿真、环境推演、合成数据生成和世界基础模型进行前沿布局，推动人工智能从语言理解、视觉识别，进一步迈向物理世界建模、动作因果预测和智能体交互决策。对于具身智能产业而言，世界模型不再只是生成未来画面的视觉模型，而是支撑机器人训练、评估、规划与泛化的关键技术底座。
WorldArena持续升温，具身世界模型进入全球头部竞争阶段
WorldArena作为全球具身世界模型领域权威标杆，云集全球顶尖团队参赛。评测侧重世界模型推理能力，核心考验机器人对真实环境结构、物理规律、动态变化的理解与预判能力，是验证机器人理解真实世界的标尺。
Track 1（Perception) 聚焦视频综合质量，考核视觉效果、动态表现、内容一致性与物理遵循性，侧重检验模型的感知预测、物理逻辑及动态场景理解能力。此前智元机器人在该赛道取得领先成绩，彰显出国内具身智能企业在视频生成技术领域的持续突破。
Track 2 (Functionality) 聚焦具身任务功能性，考验世界模型作为数据合成引擎、策略评估与行动规划载体，对机器人训练、评估及执行的支撑能力。该赛道业内公认“实战”门槛与含金量最高，要求模型结合初始观测信息与文本指令模拟完整交互流程、产出机器人训练数据，全面检验数据生成、训练、任务落地全链路实力，是评判技术落地价值的核心硬指标。
此次DSCFuncWorld登顶WorldArena Track 2全球榜单，充分证明跨维智能不仅具备领先的世界模型环境推演能力，更拥有将推演结果转化为机器人训练资产的工程化能力，全面验证了公司在具身数据生成、仿真训练闭环构建、策略模型赋能、虚实迁移落地等方向的综合技术实力。
锚定底层创新战略，赋能具身智能规模化发展
本次登顶并非单点刷榜，而是跨维智能在世界模型与具身数据体系上持续积累的结果。WorldArena Track 2 Data Engine任务，跨维基于自研DexWorldModel (https://dexforce.com/technical-report/#/DexWorldModel) 进行升级：模型原侧重在DINO等语义特征空间中建模未来世界状态，强调对纹理、物体关系和环境的鲁棒表达；经过简单改造后即可直接生成视频，进一步证明其作为数据引擎和策略评估器的能力。
Data Engine任务能取得领先，核心在于生成数据必须真正“可训练、可迁移、可执行”。一方面，世界模型生成的视频需要与实际任务执行保持高度一致，才能让基于生成数据训练出的策略能力迁移到评测环境；另一方面，生成轨迹不能只是视觉上合理，还必须具备可操作性和可执行性。跨维此前在EVA等 (EVA: Aligning Video World Models with Executable Robot Actions via Inverse Dynamics Rewards；https://eva-project-page.github.io/) 工作中已持续强化世界模型生成轨迹的可执行对齐，使模型生成的未来过程更贴近真实机器人可完成的动作路径。
同时，跨维在具身数据侧持续积累可达轨迹与多样化任务样本，提升了生成数据对策略训练的覆盖度与有效性。EmbodiChain (https://github.com/DexForce/EmbodiChain) 作为跨维已公开的数据基建代表，围绕资产生成、场景布局、轨迹采样、失败恢复、数据回流与在线数据流等环节，持续为世界模型训练提供更丰富、更物理可信、更贴近任务需求的数据来源。
这也解释了跨维为何能在Track 2 Data Engine任务中取得领先：该赛道考察的不是视频生成质量本身，而是生成数据能否真正提升机器人策略在具身任务中的成功率。此次DSCFuncWorld位列全球公开榜单第一，验证了跨维从数据构建、世界建模到策略训练的闭环能力，也进一步说明世界模型正在从“可看”走向“可用”。
