JEPA、空间智能路线正面交锋：WorldArena 2.0 挑战赛开考「能不能被机器人真正用起来」| IROS 2026
WorldArena 2.0， 新一轮“大考”难在哪
Track 1 设置了 70 个正式任务 。其中 50 个 是白色桌面的 ID （ In-Distribution ，分布内） clean 场景，另外 20 个 是彩色或带有纹理桌面的 OOD （ Out-of-Distribution ，分布外）场景。 所有参赛模型都在 同一组数据集 上接受测试。
这要求世界模型在多轮交互中保持稳定和动作可控，还要正确反映不同动作带来的状态变化， 生成可靠画面为模型提供有效的奖励信号 。 一次预测偏差也可能被带入下一轮交互，并在连续交互中不断累积。
三条赛道揭榜， 冠军团队各自强在哪
赛道基于 RoboTwin 环境，使用 Adjust Bottle （调整瓶子）这项任务进行。 该任务 要求机器人重新调整瓶子的姿态和位置，考验精细位姿控制和抓取稳定性。
各任务以真机执行成功率评价；综合总榜结合任务难度，并按视觉与视触觉方向的权重汇总计分。 机器人需要在规定步数内完成操作，且过程中不能触发安全干预。
同一套评测下， 世界模型技术路线各有侧重
对话主办方： 世界模型的“考场”是怎么搭起来的
▎ AI科技评论： WorldArena 如今已成为世界模型的核心评测基准之一。你们怎么看这种认可？以及你们认为这种认可主要来自哪里？
▎ AI科技评论： WorldArena 涉及清华、北大、CMU、斯坦福、普林斯顿、港大、NUS、中科院自动化所等多个机构，作为主办方的清华团队，具体扮演什么角色？
▎ AI科技评论： 评测维度非常多，哪些可自动评测，哪些依赖专家主观打分？如何保证跨机构、跨赛道评分一致性？
▎ AI科技评论： 榜单是否分挑战赛榜单和日常榜单？日常榜单更新机制是什么？多久更新一次？
▎ AI科技评论： WorldArena 2.0 比 1.0 增设 Track 2（MB-RL）和 Track 3（真机 WAM）。这个想法怎么提出的？为什么偏偏增设这两个赛道？背后考虑有哪些？
▎ AI科技评论： 之前商宇老师在接受我们的采访时，曾坦言榜单“sim-to-real gap”的局限。Track 3 真机赛道是不是直接回应了这个问题？能在多大程度上解决？
▎ AI科技评论： 后续还会迭代到 WorldArena 3.0 吗？会考虑加入什么维度的测试？
▎ AI科技评论： 参赛是选择性的，是否会出现某个赛道强者扎堆、某个赛道冷清，从而削弱榜单整体代表性？
▎ AI科技评论： 三个赛道前两名都有产业派和学院派。在世界模型创新中的核心优势和短板分别是什么？
▎ AI科技评论： 世界模型现在整体有四条技术路线，本届获奖团队基本覆盖了 JEPA、空间智能/结构化 4D、像素生成路线，但走 JEPA 路线的团队赢面似乎更大：视启未来拿下 Track 1 第一，晨昏线在 Track 2 位列第二。你们作为主办方，怎么解读这次结果？
▎ AI科技评论： 见证这么多次榜单更迭和赛事演进，你们认为世界模型现在发展程度如何？最大的瓶颈在哪？
▎ AI科技评论： 商宇老师在我们上次的采访提到“需要避免 WorldArena 成为模型新的路径依赖”（大家为了在 WorldArena 上拿高分，都去迎合它的指标和任务）。两届挑战赛以及日常榜单更新实践中，是否真的观察到这种依赖？具体有哪些表现？
▎ AI科技评论： 如果给 WorldArena 下一阶段定一个目标，你们希望它重点解决什么问题、扮演怎样的角色？
为了方便大家抱团交流、互通会议消息，我们专门建了 IROS 2026 参会交流群 ！进群你会解锁这些「福利」 ?
会议情报站 ： 投稿 DDL、格式规范、评审进度……关键节点第一时间送达，再也不怕错过 deadline，投稿准备稳稳的。
同行茶话会 ： 天南海北的同行都在群里，聊心得、碰思路、攒人脉，科研路上我们同行。
前沿补给站 ： 最新研究成果、热点方向实时同步，结合会议主题帮你捋清投稿脉络，给论文灵感加满油。
现场后援团： （会议期间专属开启）： 到了会场也不用慌—— 路线导航 ： 场馆分布、报告厅怎么走，群里随时问； 议题共读 ： 热门 session、Keynote 探讨，错过也能追； Poster 汇编 ： 现场海报精华整理，一键收藏不遗漏； 约局广场 ： 约饭局、采访局、交流局……想唠嗑、想合作、想面基，群里发起就成。
? 进群传送门： 扫码进群或添加微信Luyoyo_2026 ，备注：IROS + 单位/学校+姓名+方向 。
当年「字节投毒实习生」田柯宇，估值 2 亿美元，要挑 ...
对话如祺出行COO韩锋：世界模型越强，真实数据才是真 ...
越大越强，不再是 LLM 的专利：PixVerse R2 攻克实时 ...
从三维视觉到世界模型：空间智能为何成为 AI 走向物 ...
从三维视觉到世界模型：空间智能为何成为 AI 走向物理世界的共同主线？| ECCV 2026复盘
具身智能不只在地上跑：给无人机装上机械臂，它们要去天上「拧螺栓」了 | IROS 2026
计算机视觉的下一个十年：从「看懂世界」到「教会人类」| ECCV 2026
NVIDIA 李柏依：机器人只会「看」还不够，它还得学会「听」| ECCV 2026
JEPA、空间智能路线正面交锋：WorldArena 2.0 挑战赛开考「能不能被机器人真正用起来」| IROS 2026
数据越多≠决策越好：从无人机滑翔到多机器人通信，重新审视数据与信息的关系 | IROS 2026
至简动力冯宗宝：在间隙仅 0.5 毫米的真实场景下，实现机器人造机器人 | IROS 2026
IROS 2026大奖揭晓：长期记忆拿下最佳论文，人形机器人打网球、端托盘双双获奖
研究了1933篇 IROS 论文，我们看到了机器人学的六项新变化
银河通用&清华 LATENT：用「不完美人类数据」让机器人学会网球对打 | IROS 2026
吴佳俊 IROS 2026 演讲：结构化表征不是答案， 是机器人学会推理的脚手架 | IROS 2026