跨维智能DSCFuncWorld模型登顶WorldArena Track 2，刷新全球具身世界模型最优成绩
跨维智能自研的DSCFuncWorld模型在WorldArena评测基准Track 2（Data Engine）赛道中登顶全球第一，大幅领先英伟达、谷歌等巨头的参赛模型。该赛道不侧重画面逼真度，而是考核世界模型在数据合成、策略训练与任务落地全链路中的实用能力。跨维智能凭借因果隐空间建模、逆动力学对齐等底层技术，解决了生成数据可训练、可迁移、可执行的核心瓶颈，被视为跻身具身世界模型全球第一梯队的关键突破。
事件概述
全球具身世界模型权威评测基准 WorldArena 于5月25日截止的最新榜单中，跨维智能（DexForce）的模型 DSCFuncWorld 在 Track 2 (Data Engine) 赛道登顶全球第一，与第二名拉开显著差距，并大幅领先 WoW、BLM 等国际模型，刷新该赛道全球最优成绩。
核心信息
-
评测背景：WorldArena 由全球顶尖高校及科研机构权威专家打造，是目前世界模型赛道最权威的评测基准，包含16项细分核心指标和3大真实应用任务。评测设置两个赛道：Track 1 侧重视觉画面与物理一致性（偏向可视化展示）；Track 2（Data Engine） 则重点考核模型作为数据合成引擎、策略评估工具与行动规划载体的全链路落地能力，以机器人实际作业任务成功率作为核心评判标准。
-
模型技术：DSCFuncWorld 属于跨维智能自研的 Dex 系列模型，基于核心底座 DexWorldModel 适配而来。该原生模型采用因果隐空间建模，依托 DINO 语义特征空间预测未来世界状态，强化环境纹理、物体关联与物理规则的鲁棒表达，可快速生成高质量推演视频。
-
关键能力：跨维智能通过 EVA 技术框架（Aligning Video World Models with Executable Robot Actions via Inverse Dynamics Rewards）利用逆动力学奖励机制对齐视频生成与机器人可执行动作，有效解决行业存在的“视觉逼真但无法落地”问题。同时，依托自研具身数据基建 EmbodiChain，构建覆盖资产生成、场景布局、可达轨迹采样、失败案例恢复、在线数据回流的完整数据体系，确保合成数据具备物理可信、场景多元、任务覆盖全面等特性。
值得关注
跨维智能此次登顶并非单次技术突破，而是长期在具身智能底层技术中坚持数据与模型双轮驱动、聚焦数据可训练/可迁移/可执行能力的成果。其 DSCFuncWorld 模型在 Track 2 赛道的表现，填补了世界模型通往真实物理世界的关键短板，代表了具身世界模型向实用化落地迈出的重要一步。