世界模型中多智能体动力学的基于物理的基准

生成世界模型作为自主系统的可扩展模拟器具有巨大的前景，特别是对于合成罕见但安全关键的多智能体交互，例如车辆碰撞。然而，当前的评估范式很大程度上依赖于视觉保真度和语义对齐，从而留下了一个关键的盲点：它们无法可靠地量化生成的动力学是否实际上遵守可靠模拟所需的基本物理定律。由于缺乏物理指标以及从未经校准的视频中提取公制尺度运动学的挑战，评估这种物理合理性本质上是困难的。为了弥补这一差距，我们引入了 CrashTwin，这是一个基于物理的评估框架，旨在对世界模型的物理可信度进行压力测试。 CrashTwin 将多智能体碰撞场景的多样化数据集（包括 25K 可控合成和 12K 野外现实世界碰撞序列）与新颖的免校准重建管道相结合，从而能够直接从世界模型恢复中恢复 3D 物理属性。我们提出了一个诊断套件，可以系统地评估三个维度：时空一致性、动量和动能守恒以及世界动力学完整性。对最先进模型的广泛基准测试揭示了一个重要的见解：高感知质量经常掩盖复杂交互过程中严重的物理违规行为。通过定量揭示这些故障模式，CrashTwin 提供了一个重要的诊断工具，用于开发能够进行可靠的现实世界模拟的具有物理依据的世界模型。