Os resultados finais do concurso WorldArena 2.0, realizado no âmbito do IROS 2026, demonstraram que diferentes abordagens para a construção de modelos de mundo lidam com sucesso com diferentes tipos de testes. O WorldArena é um benchmark desenvolvido pela equipe da Tsinghua University em colaboração com universidades da China e de outros países. A versão 2.0 expandiu a funcionalidade da entrada visual para visuo-tátil, de tarefas offline para aprendizado por reforço online, e de simulação para trabalho com robôs reais, conforme relatado pelo Leiphone.
O concurso incluiu três trilhas independentes com um prêmio total de US$ 7.000, e os resultados finais foram publicados em 16 de setembro.
Resultados da primeira trilha
A primeira trilha avaliou a capacidade do modelo de prever vídeos com base em 15 métricas em 70 tarefas. Essas tarefas incluíram 50 cenas dentro da distribuição em mesas brancas e 20 cenas fora da distribuição com superfícies coloridas ou texturizadas. Entre os 81 modelos classificados, o modelo WorldIncept da Visincept ficou em primeiro lugar com uma pontuação de 72,33, superando o BWM-Turbo da equipe de inteligência espacial da Tongji University com 71,49. A diferença foi de apenas 0,84 pontos. O WorldIncept demonstrou melhores resultados em aderência às leis físicas, precisão 3D e correspondência semântica, enquanto o BWM-Turbo liderou em coerência de fundo e similaridade JEPA. Além disso, a Visincept claramente utiliza a abordagem JEPA.
Vitória da Zhongguancun Academy na segunda trilha
A segunda trilha, apresentada este ano, utilizou um modelo de mundo como ambiente para aprendizado por reforço online em uma tarefa de ajuste de garrafa no robô RoboTwin 2.0, após o qual a política treinada foi testada em simulação. O modelo MW2 da Zhongguancun Academy conquistou a vitória com 72,93 entre 47 modelos, superando o TTWM, que é a versão competitiva de um modelo de mundo causal orientado ao JEPA, de outro startup. A equipe que ficou em segundo lugar observou que o treinamento em seu modelo aumentou a frequência de sucesso da política pi0.5 de 55,46% para 72,40%.
Xiaomi vence na trilha de robôs reais
A terceira trilha, também nova, foi realizada em robôs reais AgileX de dois braços e Franka Panda. Suas tarefas, que incluem operações visuo-táteis, como pegar chips, limpar pepinos e inserir garfos, bem como tarefas baseadas apenas em visão, como limpar mesas, despejar água e dobrar roupas. O modelo ViTacX da equipe MiRobot da Xiaomi obteve a vitória geral com uma pontuação de 76,64. Sua vantagem foi determinada pela subclassificação baseada apenas em visão, onde liderou a lista com um resultado de 85,00, incluindo notas perfeitas em três tarefas. Na subclassificação baseada em tarefas visuo-táteis, ficou em terceiro lugar com 66,67, enquanto o OmniFlow da Universidade Tecnológica de Xangai ficou em segundo lugar em ambas as subclassificações.
Os organizadores enfatizaram que a participação em cada trilha foi voluntária, portanto, ainda não foi demonstrado que algum modelo supera os outros simultaneamente na geração de vídeo, aprendizado de políticas e manipulação de robôs reais.