具身智能世界模型评测基准榜单发布，北大PF-Cosmos领跑！EmbodiedCLUE-World 2.0

{  "video_id": "PosttrainPnPNovelFromTrayToTieredshelf_episode_000001",  "task_name": "PosttrainPnPNovelFromTrayToTieredshelf",  "model_name": "Abot-PhysWorld",  "protocol_version": "robocasa_worldarena_tertiary_v2.3",  "metric_results": {    // VLM 指标示例：指令遵循    "Instruction_Following": {      "metric_name_zh": "指令遵循",      "score_0_100": 50.0,      "confidence": 0.95,      "source": "VLM",      "subscores": [        {          "name": "Task_Object_Accuracy",          "score_0_100": 100.0,          "weight": 0.2,          "pass_fail": true,          "evidence": "frame 1-3 显示机器人右臂接近并抓取了托盘上的纸杯蛋糕。"        },        {          "name": "Action_Chain_Satisfaction",          "score_0_100": 50.0,          "weight": 0.35,          "hard_gate_failed": false,          "evidence": "完成了接近（frame 1）、抓取（frame 3）和初步搬运（frame 6-7），但未完成放置、释放和撤离动作。"        }        // ... 其余三级标准省略      ],      "evidence_frames": [1, 3, 5, 7],      "reason": "机器人成功识别并抓取了正确的任务物体（纸杯蛋糕），但在视频结束前未能将其放置到目标容器（分层架）中并释放。由于未达成目标位置这一硬门控标准，总分受限。",      "uncertainty_note": "视频长度不足以展示完整的放置和释放过程。"    },    // VLM 指标示例：最终状态判定    "Final_State_Predicate": {      "metric_name_zh": "最终状态判定",      "score_0_100": 37.5,      "confidence": 0.95,      "source": "VLM",      "subscores": [        {          "name": "Correct_Final_Object_Goal_Relation",          "score_0_100": 0.0,          "pass_fail": false,          "hard_gate_failed": true,          "gate_cap": 55.0,          "evidence": "在生成视频的最后一帧（frame 7）中，纸杯蛋糕仍被机械手抓持在空中，并未放置在分层架的目标层板上。"        },        {          "name": "Release_and_Stability",          "score_0_100": 0.0,          "evidence": "从 frame 6 到 frame 7，机械手始终紧握纸杯蛋糕，没有释放动作，物体未达到稳定放置状态。"        }        // ... 其余最终状态标准省略      ],      "reason": "任务失败。机器人虽然成功抓取并搬运了纸杯蛋糕，但视频结束时仍将物体握在手中，未能将其放置在分层架的目标层板上并释放。核心目标位置关系失败，触发硬门控限制。"    },    // VLM 诊断指标：独立产生失败标签和全局惩罚    "Failure_Mode_Diagnosis": {      "metric_name_zh": "失败模式诊断",      "score_0_100": 30.0,      "confidence": 1.0,      "source": "VLM",      "failure_tags": ["No Placement", "No Release"],      "evidence_frames": [6, 7],      "reason": "视频中机器人成功抓取并搬运了物体，但在最后两帧中，机械手仍紧握物体悬停在架子上方，未完成放置和释放动作。"    },    // 非 VLM 确定性指标示例    "Trajectory_Accuracy": {      "metric_name_zh": "轨迹准确性",      "score_0_100": 52.552872,      "confidence": 0.9,      "source": "non-VLM",      "method": "OpenCV Farneback foreground-flow trajectory with paired success reference",      "subscores": [        {          "name": "Robot_End_Effector_Path_Plausibility",          "score_0_100": 50.493503,          "evidence": "前景光流质心路径连续性代理"        },        {          "name": "Object_Task_Relevant_Displacement",          "score_0_100": 30.234034,          "evidence": "生成与成功参考的前景运动量比例"        }        // ... 其余本地视觉标准省略      ],      "uncertainty_note": "局部视觉代理不能单独证明语义任务成功。"    }    // ... 其余 11 项指标省略  },  "dimension_scores": {    "Controllability_TaskCompletion": {      "display_name_zh": "可控性与任务完成度",      "weight": 0.32,      "score_0_100": 55.0775    },    "Physics_Adherence_Contact": {      "display_name_zh": "物理规律与接触合理性",      "weight": 0.22,      "score_0_100": 48.818185    },    "Motion_Quality_Dynamics": {      "display_name_zh": "运动质量与动态性",      "weight": 0.14,      "score_0_100": 59.044635    },    "Content_Consistency": {      "display_name_zh": "内容一致性",      "weight": 0.13,      "score_0_100": 79.661874    },    "ThreeD_Accuracy_SpatialGeometry": {      "display_name_zh": "三维准确性与空间几何",      "weight": 0.11,      "score_0_100": 79.887127    },    "Visual_Quality": {      "display_name_zh": "视觉质量",      "weight": 0.08,      "score_0_100": 72.344047    }  },  "failure_tags": ["No Placement", "No Release"],  "base_score": 61.562201,  "failure_multiplier": 0.7,  "hard_cap": 60.0,  "final_score": 43.093541,  "weighted_metric_coverage": 0.89,  "official_score_valid": true}