arXiv · cs.AI· Jinzhou Tang, Zijun Zhang, Jing Yang, Yuchen Yan, Kun Zhou, Lingjun Mao, Ruobing Han, Jinglin Cao, Wenpeng Xu, Lukun He, Minghao Fu, Fan Feng, Biwei Huang·· 2 天前
Video2World：评测编码智能体从具身视频进行交互式世界建模
Video2World: Benchmarking Coding Agents for Interactive World Modeling from Embodied Videos
arXiv:2610.04432v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jinzhou Tang, Zijun Zhang, Jing Yang, Yuchen Yan, Kun Zhou, Lingjun Mao, Ruobing Han, Jinglin Cao, Wenpeng Xu, Lukun He, Minghao Fu, Fan Feng, Biwei Huang
首次提交：2026-10-03 18:46
研究任务与主要进展
论文提出 Video2World 基准，用于评测编码智能体能否从具身视频自动构建可交互模拟环境，并通过执行反馈迭代改进。该基准包含189段机器人和人类示范视频形成的222个重建实例；评测9个前沿编码智能体后，Claude Opus 5 的任务成功率从此前系统的低于5%提升至超过15%，但仍与人工辅助重建存在明显差距。研究还发现，视觉保真度更高并不总能带来更高的任务成功率。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org