盖世具身智能获悉 近日，无界动力发布并开源端侧 7B 参数、完整预训练的 MWA ™ -Phoenix 隐空间世界模型基座。

据公开结果，该模型在 LIBERO-Plus、LIBERO-Pro、RoboDojo 真机榜等六项仿真与真机评测中位列榜首，其中 LIBERO-Plus 总体成功率达 94.63%。此次发布的全部真机演示均采用千觉光子触觉传感器作为触觉信息输入源，真实接触信息直接参与动作学习与交互预测。

图片来源：千觉机器人

在动作学习方面，无界动力的 Phoenix-ILA 模块将同步运动与触觉序列编码进同一交互潜空间，共同学习运动、局部触觉形变及受力相关信号。消融实验显示，加入该模块后，黄瓜削皮成功率由 20% 提升至 40%，盘子擦拭成功率由 75% 提升至 90%。在需要持续贴合表面的操作中，真实的接触过程数据能够为动作学习提供直接依据。

在部署前的策略训练中，无界动力自研的 Phoenix-PhysCanvas 视触觉世界模型可预测动作执行后的视觉与触觉反馈，并支持强化学习后训练。训练在可交互的仿真环境中进行，效果再回到真机检验。实验结果表明，试管任务的平均真机成功率由 58.33% 提升至 75.00%，积木任务由 80.00% 提升至 86.67%，分别增加 16.67 和 6.67 个百分点。

此次真机任务涵盖旋拧瓶盖、削皮、擦拭及长时程任务等，均依赖千觉传感器获取信号。为保障数据质量，千觉在传感器研发与生产中建立了跨个体一致性和重复稳定性测试标准，并严格对齐视觉、触觉与动作信号的时间关系。同时，通过触觉仿真与模型研究持续检验数据的物理一致性，确保记录的接触信息符合真实物理规律，使触觉信号转化为模型可直接使用的训练样本。

针对此次模型开源与应用，千觉表示将持续完善触觉产品与数据底座。前沿团队的实际使用为产品研发提供了重要反馈，明确了哪些接触信息值得保留以及感知能力如何适应具体任务。千觉计划通过提供高质量真实触觉数据，推动机器人操作能力的持续进化。