7月9日，近日，高德联合清华大学、北京大学、南京大学发布交互式世界模型评测基准WorldRoam-Bench，重点评估模型在连续漫游中的动作跟随、视觉质量、物理交互和记忆一致性。现有世界模型评测大多聚焦视频质量、整体轨迹或有限轮次交互，难以充分刻画开放域长时漫游中的真实失效模式，如画面漂移、结构退化、主体身份变化等问题。该基准共包含600余个测试案例，覆盖第一人称与第三人称视角，涉及室内、自然、城市三类开放域场景，通过10至60秒的连续WASD/IJKL交互模拟真实漫游体验，并设置15个细分指标进行量化评估。

WorldRoam-Bench已评测10余个前沿交互式世界模型，涵盖开源模型与闭源产品，并设公开积分榜用于持续追踪能力进展。评测围绕四个维度展开：动作跟随层面，逐帧检查控制响应，避免“轨迹看似正确但过程中多次漏响应”的问题被掩盖；视觉质量层面，重点关注长时间生成中的颜色变化、模糊累积、结构坍塌等漂移与退化现象；物理交互层面，通过可控性门控机制区分动作失败与物理失败，覆盖碰撞、穿模、形变、地形跟随、反射、阴影及3D一致性等现象；记忆能力层面，通过3D点云重建评估视频幻觉率，结合SAM2跟踪与视觉语言模型推理，评测场景结构、空间布局、主体外观与状态的保持能力。

结果显示，尚无单一模型在所有维度上同时领先，视觉质量、动作可控性、物理一致性与记忆能力之间存在明显阵营区分。该基准将持续扩展场景类型与交互难度，推动交互式世界模型走向高可用的全域开放阶段。