你的驾驶世界模型是全能选手吗？

Is Your Driving World Model an All-Around Player?

当今的驾驶世界模型能够生成极其逼真的行车记录仪视频，但没有任何单一模型能够在所有方面表现卓越。有些模型能生成照片级纹理，却违反基本物理规律；另一些模型虽能保持几何一致性，但在闭环规划场景中却失效。这种脱节暴露了一个关键差距：该领域评估的是生成世界的视觉真实程度，却很少关注它们的行为真实性。我们提出WorldLens——一个统一的基准，通过五个互补方面和24个标准化维度，全面衡量世界模型的保真度，涵盖像素质量、4D几何、闭环驾驶以及人类感知对齐。我们对六个代表性模型的评估显示，现有方法均无法在所有维度上占据主导地位：纹理丰富的模型违反几何规则，几何感知的模型缺乏行为保真度，即使表现最好的模型在人类真实性评分中也仅达到2-3分（满分10分）。为桥接算法指标与人类感知，我们进一步贡献了WorldLens-26K——一个包含26,808条人工标注偏好数据集，将数值评分与文本理由相结合，以及WorldLens-Agent——一个从这些判断中提炼出的视觉-语言评估器，可实现可扩展、可解释的自动评估。基准、数据集和评估器共同形成一个统一生态系统，不仅通过视觉吸引力，更通过物理和行为保真度来评估生成的世界。