盖世汽车获悉，近日，无界动力正式发布并开源 MWA ™ -Phoenix 隐空间世界模型基座。该端侧 7B 参数完整预训练模型在 LIBERO-Plus、LIBERO-Pro、RoboCasa GR1、Bench2Dex、RoboTwin 2.0 和 RoboDojo 六项评测中取得领先成绩，验证了其在环境扰动、任务泛化、复杂操作及真机执行等方面的能力。

图片来源：无界动力

在各项具体评测中，MWA ™ -Phoenix 仅以 RGB 输入，不使用深度信息传感器。其在 LIBERO-Plus 评测中以 94.63% 的总体成功率登顶，在 LIBERO-Pro 中以 66.48% 的成功率位列榜首。在 RoboCasa GR1 Tabletop 评测中，该模型取得 82.67% 的平均任务成功率，较前代提高 7.50 个百分点。

在跨本体与协同操作方面，MWA ™ -Phoenix 在 Bench2Dex 评测中平均成功率达 45.6%，在 RoboTwin 2.0 双臂协同操作评测中取得 72.42% 的平均成功率。此外，该模型在 RoboDojo 真机榜的三类机器人本体、18 项任务评测中亦取得优异成绩，验证了物理执行能力。

为提升真机精细操作能力，无界动力同步发布了 Phoenix-ILA。该模块将同步运动与触觉序列共同编码，使接触直接参与动作学习。在真实任务中，加入该模块后，黄瓜削皮与盘子擦拭的成功率分别由 20%、75% 提升至 40%、90%。

无界动力同时发布了交互式仿真世界模型 Phoenix-PhysCanvas，为强化学习提供可交互的仿真环境。经该框架后训练，试管任务与积木任务的平均真机成功率分别由 58.33%、80.00% 提升至 75.00% 和 86.67%。

在技术架构上，MWA ™ -Phoenix 以 DINOv3 为视觉骨干，通过双教师蒸馏融合几何先验与时序信息，并将环境动态预测与动作生成纳入联合学习框架。目前，无界动力已累计拥有超过 20 万小时多模态数据储备，正同步进行更大规模的模型训练，以支撑泛商业空间和工业产线的真实灵巧操作任务。