刚刚过去的GTC Taipei上，备受关注的钦州pvc管道管件胶，莫过于Cosmos 3。
这是个开源的物理AI全模态模型。老黄表示，Cosmos 3在世界生成这项上，在Artificial Analysis、Physics-IQ、PAI-Bench、R-Bench四个开源榜单上均列。
前三个bench都业界比较眼熟的，而R-bench——我特意查了查，这个让Cosmos 3霸榜的榜单，竟出自支北大团队。
这篇工作已被ICML 2026接收，名字叫《Rethinking Video Generation Model for the Embodied World》，来自北京大学、字节跳动Seed等机构的研究团队。
他们提出了面向具身世界的生成评测与数据基础设施：R-Bench+RoVid-X。
值得注意的是，在作者列表里，字节Seedance 2.0的预训练负责人曾妍，也赫然在列。
R-Bench：门给机器人生成请的“考官”
Cosmos 3是英伟达这次GTC Taipei的主角之。
按老黄的说法，它是全球个开源的物理AI全模态模型，基于种mixture-of-transformers架构，能在个模型里同时理解和生成文本、图像、、环境声音，乃至机器人的动作。
Nano和Super两个尺寸，都已经挂上了Hugging Face。
换句话说，Cosmos 3要做的不是“拍出好看的”，而是给机器人、自动驾驶这些要在真实世界里干活的系统，生成“物理上说得通”的数据。
但问题它就来了。
个模型生成的机器人，到底是不是“物理上说得通”，该用什么来衡量？
过去年，生成的故事几乎都绕着同个问题展开：谁能拍得清晰、稳定、有电影感。
但在机器人场景里，画质好看是回事，能不能用又是另回事。
如果个模型能生成逼真的机械臂，却让夹爪穿过物体；能让机器人看起来“动起来”，却法完成抓取、放置、转身、协作等任务，那么它距离Physical AI需要的“世界模型”，仍然隔着条鸿沟。
R-Bench的核心出发点，就是把生成模型从“视觉生成器”放到“物理世界模拟器”的语境下重新评估。
它不只看画面是否逼真，而是系统衡量模型是否能生成符具身任务逻辑和物理约束的。
具体而言，R-Bench是个以机器人为中心的生成评测基准，包含650个图像-文本评测样本，从5类任务能力和4类机器人形态两个维度构建。
在任务维度上，R-Bench覆盖操作执行、空间关系、多主体协作、长时规划和视觉理；在机器人形态维度上，覆盖单臂、双臂、四足和人形机器人。
这样的设计让R-Bench不再只问“像不像”，而是进步追问：
机器人有没有真正接触到目标物体？
任务关键步骤是否完整出现？
多个物体或多个主体之间的关系是否理？
机器人形态在运动过程中是否保持稳定？
长时序动作是否符任务逻辑？钦州pvc管道管件胶
因此，R-Bench不只是个排行榜，可以作为机器人生成数据的“物理质量过滤器”：
它能够评估生成是否满足接触关系、动作顺序、形态稳定和任务完成度等物理约束，从而帮助筛选出符物理规律、可用于具身智能训练的数据。
为了捕捉这些问题，R-Bench设计了套可复现的自动化评测指标体系，能够识别机器人形态畸变、物体属漂移、部件漂浮或穿模、接触抓取、凭空出现物体、关键动作缺失等常见失败模式。
值得注意的是，R-Bench的自动分，和人工评测的Spearman相关系数达到0.96。
这意味着它不只是个自动跑分工具，在很大程度上对齐了人类对“物理不理”“任务完没完成”的判断。
榜单上还能看到什么？
在新R-Bench Leaderboard中，Cosmos 3系列已经成为开源社区亮眼的模型之。
Cosmos3-Nano以0.584的综得分位列RBench开源模型，Cosmos3-Super紧随其后，拿到0.581。
放到整个榜单里看，这传递出两个信号。
是以物理AI为目标训练的世界模型，已经开始在机器人图像到生成上展现竞争。
相比传统通用模型，它的优势不只在画质，在于接近具身智能需要的物理模拟与动作延展能力。
二是闭源商业模型综能力仍然先，但开源正在快速追赶。
对研究社区来说，这种“开源能”的信号，比单个模型强重要。
而比排名有价值的，保温护角专用胶是RBench照出来的几处共短板：
精细操作还是老大难。移动、转身这类大幅动作模型已经做得不错，但抓、捏、拧、插、放置这些对接触建模要求的动作，容易出错。
长时规划仍是弱项。看起来连贯，不代表任务逻辑正确，模型可能动作流畅却漏掉关键步骤，或者把顺序搞反。
通用知识和机器人数据没“上”。纯通用有丰富的世界知识但缺机器人交互，纯机器人数据又往往规模有限、形态单。
从这个角度看，R-Bench像面镜子，把模型在物理世界里的真实软肋照了出来。
RoVid-X：400万条机器人，开源了
发现了问题，下步就是喂数据。这正是RoVid-X要解决的事。
团队已经在Hugging Face上开源了RoVid-X的重要子集（300万条机器人），上线后热度攀升很快——它在Datasets Trending 的Video模态大规模数据集中排名，在全部6.5万多个Video模态数据集的整体Trending里也位列九。
这反映了RoVid-X作为面向机器人视觉/理解的大规模数据资源，在开源社区中的快速影响力。
数据集的完整版规模达到400万条机器人片段、1300+细粒度技能、1万+小时内容，分辨率720P，并附带RGB、度、光流等多模态物理标注。
和通用互联网不同，RoVid-X要让模型接触的是接近真实的机器人交互过程：物体怎么被抓取、机械臂怎么接近目标、任务怎么被分解、动作和环境怎么共同形成物理约束。
这种数据对于世界模型尤其关键。因为物理理解不是简单靠提示词补出来的，而需要模型在大量交互数据中学习接触、顺序、力学关系和结构稳定。
实验结果也显示，引入RoVid-X数据后，模型在具身任务中的表现能够获得稳定提升。
例如在Wan系列模型上，经过RoVid-X微调后，模型在操作执行、长时规划和空间理解等维度均有明显。
这说明质量、结构化的机器人数据，确实能够提升生成模型面向具身场景的可执行与稳定。
这项工作的意义，不只在于多了个benchmark和个dataset，而是把生成放进了物理AI的语境里重新审视。
过去生成多服务于内容创作：广告、短片、特。往后，它可能成为机器人训练、仿真环境构建和具身智能数据闭环的基础设施。
当模型开始理解接触、顺序、结构稳定和动作后果，“生成段看起来理的”就在向“可用于物理世界演的世界模拟引擎”靠近。
R-Bench和RoVid-X是在这个转向中补上两块关键拼图：个回答“如何评估”，个回答“如何训练”。
随着Cosmos 3等Physical AI世界模型进入R-Bench榜单并取得开源，具身生成的竞争也正在从单纯比拼视觉果，转向接近真实世界的物理理解和任务执行能力。
对于开源社区而言，这或许是个重要的信号：Physical AI的进展，不只属于闭源模型和商业系统，也可以建立在开放评测、开放数据和开放模型共同演化的基础之上。
按团队的规划，下步还会去做从生成反可执行动作的Inverse Dynamics Model，进步通生成、策略学习和真机部署之间的闭环。
生成模型的下站，或许真的不只是拍电影，而是模拟、理解，并参与真实的物理世界。
团队背景
这支团队叫DAGroup，来自北京大学，负责人是周大权。
周大权的履历，恰好踩在这次工作的题眼上。
他从2022年就开始做生成，是早批入场的人之——
代表作MagicVideo是业界早的隐空间扩散模型之，后来还有MagicVideo-V2、StoryDiffusion、Magic-Me等系列工作。
在腾讯混元模型HunyuanVideo中，他带了模型预训练与扩散法设计团队。
早之前，他在模型与硬件率向也颇有积累，Coordinate Attention曾被列为CVPR 2020具影响力论文2名。
如今回到北大做助理教授，他把研究重心放到了机器人、AIGC和VLA上。
他自述，自己的研究始终带着条“用少的力和内存，跑强的法”的主线。
除R-Bench/RoVid-X外，DAGroup还在进HumanNet、StableVLA等多个具身与世界模型向的开源项目。
论文地址：https://arxiv.org/abs/2601.15282
Project Page：https://dagroup-pku.github.io/ReVidgen.github.io/
GitHub地址：https://github.com/DAGroup-PKU/HumanNet
R-Bench Leaderboard：https://huggingface.co/spaces/DAGroup-PKU/Leaderboard
RoVid-X Dataset：https://huggingface.co/datasets/DAGroup-PKU/RoVid-X/相关词条:管道保温施工 塑料挤出设备 预应力钢绞线 玻璃棉厂家 保温护角专用胶
奥力斯 pvc管道管件胶批发 联系人：王经理 手机：15226765735（微信同号） 地址：河北省任丘市北辛庄乡南代河工业区
1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定钦州pvc管道管件胶，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。