Roz：面向世界模型潜空间的物理属性评测基准

作者提出 Roz 评测方法，用于检验潜空间世界模型是否真正编码了质量、形变、摩擦和弹性等物理属性。他们先界定这类世界模型应当编码的内容，再设计两种可直接提取物理属性、易于扩展到新属性的评测方式；Roz 包含 10 个对比任务和 3 个连续任务，共 1734 个场景，并在控制任务上做了验证。在作者自研模型 AnonWM 上，性能大致随训练步数提升，但不一定与重建 MSE 相关。作者认为当前模型失败源于探针与规划器等评测策略不透明、依赖特定模型且计算开销大，而 Roz 只需模型能输入静帧或视频、能提取潜变量并提供距离函数，单次运行即可完成。