在机器人技术领域，世界模型（WMs）越来越多地用于通过模拟行动在想象中的世界中产生的后果来评估行动策略，并返回成功或安全的判决。然而，判决的可信度仅与生成该判决的WM的可靠性相关，而WM本身也需要经过认证。对于视频生成的WM，诸如Fréchet视频距离（FVD）等保真度指标奖励视觉真实感，但忽视了世界是否正确响应策略的行动，包括那些在训练中未见过的行为。
传统的基于模拟的验证假设一个可信的模拟器评估一个不可信的策略，而生成的WM本身是未经验证的学习产物。因此，我们主张，任何作为测试预言者的WM在其判决作为证据之前必须首先获得认证。基于安全关键模拟的可信度实践，包括验证、验证与认证（VV&A）、意图功能的安全性（SOTIF）以及基于场景的测试标准，我们定义了一个可接纳性阶梯（L0-L4），WM必须在此阶梯上攀登，才能使其闭环判决被接受为保证证据。
我们的框架与具体的应用无关，并且在自动驾驶（AD）中得到了实例化，因为传统模拟的保证方法在这一领域最成熟。应用于两个驾驶WM时，较低的阶梯显示出一种逆转：在视觉生成质量（L0）上排名较高的模型在行动跟随（L1-L2）上排名较低，因此视觉保真度并不能预测闭环判决所依赖的行动鲁棒性。
博主点评： 该研究强调了在使用世界模型进行决策时，验证模型的必要性，尤其是在安全关键的应用场景中。仅仅依赖于视觉质量可能导致不可靠的结果，这为未来的模型开发和评估提供了重要的指导方向。通过引入可接纳性阶梯，研究为如何系统性地验证和认证WM提供了清晰的框架，值得广泛应用与讨论。