MWA Phoenix est un modèle open source de 7 milliards de paramètres destiné à la manipulation robotique et conçu pour fonctionner sur l’appareil. Il s’appuie sur des images RGB, sans capteur de profondeur ni données de profondeur de référence.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche

Create a landscape editorial hero image for this Studio Global article: What did Anyverse Dynamics announce in its October 22, 2026 release of the open source MWA Phoenix robot manipulation foundation model, incl. Article summary: Anyverse Dynamics announced MWA Phoenix as an open source, 7 billion parameter latent world action foundation model for robot manipulation, designed for on device operation; coverage dates the announcement to October 22,. Topic tags: general web, ai, automation, code, regulation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, chart
Anyverse Dynamics a annoncé le 22 octobre 2026 la publication en open source de MWA-Phoenix, un modèle de fondation de 7 milliards de paramètres consacré à la manipulation robotique. Présenté comme un modèle « monde-action » en espace latent, il est conçu pour fonctionner directement sur le robot. L’entreprise indique qu’il utilise uniquement des images RGB, sans capteur de profondeur ni données de profondeur de référence. 1
Le code est disponible sur GitHub ; le dépôt présente MWA-Phoenix comme un projet consacré à l’apprentissage de modèles monde-action généralisables à partir de représentations structurelles et sémantiques. Le rapport technique est également signalé comme publié. 1
2
Anyverse affirme que le modèle se classe en tête ou parmi les meilleurs sur six évaluations, allant de la simulation aux essais sur robot réel. Les chiffres rapportés comprennent :
Ces résultats donnent une idée de l’ambition du projet : évaluer le modèle dans plusieurs contextes, et pas seulement sur un benchmark simulé. Ils restent toutefois des résultats annoncés par l’entreprise. Les sources disponibles ne permettent pas de les présenter comme validés par une réplication indépendante.
Une notice liée aux encodeurs indique que le checkpoint DINO110k, comprenant le réseau principal et son adaptateur, dérive de DINOv3, le modèle de vision de Meta. Les informations disponibles décrivent aussi Phoenix-ILA comme un composant qui intègre le mouvement et le contact à l’apprentissage des actions, ainsi que Phoenix-PhysCanvas comme un environnement simulé interactif destiné à améliorer des stratégies dans le cloud avant leur déploiement.
En revanche, les éléments consultés ne suffisent pas à confirmer plusieurs détails architecturaux évoqués autour de MWA-Phoenix : distillation géométrique à partir de VGGT, distillation des changements temporels à partir de V-JEPA, exclusion des images futures par un VAE sémantique causal, ou prédiction conjointe des changements de scène et des actions. Les sources disponibles ne confirment pas non plus les modalités précises d’exécution asynchrone des séquences d’actions.
Les documents consultés ne permettent pas de vérifier certaines affirmations supplémentaires, notamment le gain de 17,3 points sur pi0.5, le recours à plus de 200 000 heures de données multimodales, l’entraînement de modèles plus grands ou l’absence de données de test répliquées dans l’entraînement. Ils ne détaillent pas non plus suffisamment les limites du transfert de compétences entre différents corps robotiques.
En l’état, MWA-Phoenix se distingue par une publication ouverte, une entrée visuelle limitée aux images RGB et un ensemble de résultats annoncés couvrant plusieurs types d’évaluation. Pour apprécier la portée de ces performances, il faudra néanmoins disposer de détails reproductibles et de validations indépendantes.
Studio Global AI
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
MWA Phoenix est un modèle open source de 7 milliards de paramètres destiné à la manipulation robotique et conçu pour fonctionner sur l’appareil.
MWA Phoenix est un modèle open source de 7 milliards de paramètres destiné à la manipulation robotique et conçu pour fonctionner sur l’appareil. Il s’appuie sur des images RGB, sans capteur de profondeur ni données de profondeur de référence.
Anyverse annonce notamment 94,63 % sur LIBERO Plus, 66,48 % sur LIBERO Pro et 82,67 % sur RoboCasa GR1 Tabletop.
MWA Phoenix est un modèle open source de 7 milliards de paramètres destiné à la manipulation robotique et conçu pour fonctionner sur l’appareil. Il s’appuie sur des images RGB, sans capteur de profondeur ni données de profondeur de référence.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche

Create a landscape editorial hero image for this Studio Global article: What did Anyverse Dynamics announce in its October 22, 2026 release of the open source MWA Phoenix robot manipulation foundation model, incl. Article summary: Anyverse Dynamics announced MWA Phoenix as an open source, 7 billion parameter latent world action foundation model for robot manipulation, designed for on device operation; coverage dates the announcement to October 22,. Topic tags: general web, ai, automation, code, regulation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, chart
Anyverse Dynamics a annoncé le 22 octobre 2026 la publication en open source de MWA-Phoenix, un modèle de fondation de 7 milliards de paramètres consacré à la manipulation robotique. Présenté comme un modèle « monde-action » en espace latent, il est conçu pour fonctionner directement sur le robot. L’entreprise indique qu’il utilise uniquement des images RGB, sans capteur de profondeur ni données de profondeur de référence. 1
Le code est disponible sur GitHub ; le dépôt présente MWA-Phoenix comme un projet consacré à l’apprentissage de modèles monde-action généralisables à partir de représentations structurelles et sémantiques. Le rapport technique est également signalé comme publié. 1
2
Anyverse affirme que le modèle se classe en tête ou parmi les meilleurs sur six évaluations, allant de la simulation aux essais sur robot réel. Les chiffres rapportés comprennent :
Ces résultats donnent une idée de l’ambition du projet : évaluer le modèle dans plusieurs contextes, et pas seulement sur un benchmark simulé. Ils restent toutefois des résultats annoncés par l’entreprise. Les sources disponibles ne permettent pas de les présenter comme validés par une réplication indépendante.
Une notice liée aux encodeurs indique que le checkpoint DINO110k, comprenant le réseau principal et son adaptateur, dérive de DINOv3, le modèle de vision de Meta. Les informations disponibles décrivent aussi Phoenix-ILA comme un composant qui intègre le mouvement et le contact à l’apprentissage des actions, ainsi que Phoenix-PhysCanvas comme un environnement simulé interactif destiné à améliorer des stratégies dans le cloud avant leur déploiement.
En revanche, les éléments consultés ne suffisent pas à confirmer plusieurs détails architecturaux évoqués autour de MWA-Phoenix : distillation géométrique à partir de VGGT, distillation des changements temporels à partir de V-JEPA, exclusion des images futures par un VAE sémantique causal, ou prédiction conjointe des changements de scène et des actions. Les sources disponibles ne confirment pas non plus les modalités précises d’exécution asynchrone des séquences d’actions.
Les documents consultés ne permettent pas de vérifier certaines affirmations supplémentaires, notamment le gain de 17,3 points sur pi0.5, le recours à plus de 200 000 heures de données multimodales, l’entraînement de modèles plus grands ou l’absence de données de test répliquées dans l’entraînement. Ils ne détaillent pas non plus suffisamment les limites du transfert de compétences entre différents corps robotiques.
En l’état, MWA-Phoenix se distingue par une publication ouverte, une entrée visuelle limitée aux images RGB et un ensemble de résultats annoncés couvrant plusieurs types d’évaluation. Pour apprécier la portée de ces performances, il faudra néanmoins disposer de détails reproductibles et de validations indépendantes.
Studio Global AI
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
MWA Phoenix est un modèle open source de 7 milliards de paramètres destiné à la manipulation robotique et conçu pour fonctionner sur l’appareil.
MWA Phoenix est un modèle open source de 7 milliards de paramètres destiné à la manipulation robotique et conçu pour fonctionner sur l’appareil. Il s’appuie sur des images RGB, sans capteur de profondeur ni données de profondeur de référence.
Anyverse annonce notamment 94,63 % sur LIBERO Plus, 66,48 % sur LIBERO Pro et 82,67 % sur RoboCasa GR1 Tabletop.