CG-World：面向世界模型的大规模世界状态数据集与协议

CG-World是一个从工业计算机图形管线导出的世界状态数据集，包含约85万段1至5秒的片段。它显式记录了中间状态，包括多模态语义、空间结构、骨骼与控制器状态、运动曲线、相机与灯光参数、物理缓存、接触事件和多通道渲染。数据集分离潜在状态、观察、关系、事件和分支元数据，并定义事实轨迹、观察干预、动作干预、机制干预和严格反事实分支。评估显示其在几何条件视频生成、动作预测和闭环视觉-语言-行动策略迁移上表现有效。

现有视频、机器人和仿真数据集通常只捕获状态、动作或观察的部分结构，CG-World首次系统化整理了工业CG管线中的完整中间状态，并显式记录反事实分支，为世界模型学习联合动力学和干预推理提供了结构化的监督信号，显著增强了可控生成和具身策略迁移的能力。

数据集通过分离潜在状态、观察、关系、事件和分支元数据，将其组织成统一时空样本；同时定义事实轨迹、观察干预、动作干预、机制干预和严格反事实分支，并记录干预目标、不变量和替代结果。这种结构化设计使得世界模型能从中学习因果结构和可控生成，支持干预学习和反事实推理。

为世界模型和具身智能产品的研发提供了高质量结构化训练数据，可降低数据采集与标注成本；其干预和反事实能力有助于开发更精准的动作预测、可控视频生成以及机器人策略迁移，加速相关产品的迭代与验证。

• 使用CG-World预训练可控视频生成模型，实现基于参数干预的生成效果控制
• 基于其反事实分支能力，构建面向机器人策略的仿真测试沙盒，用于安全验证和鲁棒性分析

• CG-World数据集是否已开放下载或提供API？
• 其标注流程和构建成本能否被其他团队复现？