GE-Sim 2.0（全称 Genie Envisioner World Simulator 2.0）由 Boxiang Qiu 等共 15 位作者提出，论文于 2026 年 5 月 26 日提交至 arXiv，编号 2605.27491，归属机器人学（cs.RO）分类。这项工作定位为一个面向机器人操作任务的闭环视频世界模拟器，其目标是让视频生成模型不只是“看起来像机器人视频”，而是能真正服务于策略学习与评估的仿真平台。
在基础模型层面，GE-Sim 2.0 延续了 Genie Envisioner 的动作条件视频生成框架，并在此基础上重新训练。训练数据来自数千小时的真实机器人数据，覆盖遥操作、富接触交互以及在机器人上实际部署策略这三类场景。作者表示，这一大规模真实数据重训显著提升了模型对动作指令的跟随保真度，也扩大了可覆盖的轨迹范围，使模拟器在长尾动作与复杂操作下更为可靠。
在此基础之上，论文引入三个新模块，把从视频仿真到策略学习的整条链路闭合起来。第一个是状态专家（state expert）：它从视频潜变量中解码出本体感知状态，从而支持下层 VLA（视觉-语言-动作）策略进行下一动作块的预测，让策略能够从生成的视频中获取与真实传感器读数对应的状态信息。第二个是世界裁判（world judge）：它根据任务指令对生成的 rollout 进行评分，产生可由机器验证的成功信号与奖励，用以替代人工检查，这对于大规模自动化评估尤为关键。第三个是加速框架：在单张 H100 上，它可在 2.3 秒内生成 25 帧的 rollout，并在推理阶段支持最高 4 倍（4*）的跳帧，以便进行长时程评估。
实验结果方面，GE-Sim 2.0 仅以 2B 参数规模登顶公开的 WorldArena 排行榜，超过专门的机器人世界模型以及闭源通用视频生成器。更重要的是，作者报告称，针对其 rollout 与奖励训练出的策略能够在真实世界中带来可测量的性能提升，这说明模拟器生成的数据与信号具备实际迁移价值。作者据此将 GE-Sim 2.0 定位为一个可扩展评估与闭环学习机器人操作策略的实用平台。
需要留意的是，本文标题中的“Roadmap”表明该工作也被视为一条面向“综合性闭环视频世界模拟器”的路线图，而非单一终点的成果；其核心贡献可归纳为真实数据重训带来的动作跟随改进、三个闭环模块的引入，以及在参数规模与排行榜成绩上的效率优势。论文全文以 PDF、实验性 HTML 与 TeX 源码形式在 arXiv 提供，提交时文件大小约 15,396 KB，DOI 为 10.48550/arXiv.2605.27491，由 DataCite 发放（注册尚待完成）。