AnswersPublished18 sources
MWA-Phoenix: Anyverse Dynamics apre il suo modello per la manipolazione robotica
MWA Phoenix è un modello open source da 7 miliardi di parametri per la manipolazione robotica, progettato per l’esecuzione direttamente sul robot e con input da immagini RGB. Tra i risultati riportati dalle fonti disponibili figurano il 94,63% su LIBERO Plus, il 66,48% su LIBERO Pro e l’82,67% su RoboCasa GR1 Tabletop.
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- MWA Phoenix è un modello open source da 7 miliardi di parametri per la manipolazione robotica, progettato per l’esecuzione direttamente sul robot e con input da immagini RGB.
- Tra i risultati riportati dalle fonti disponibili figurano il 94,63% su LIBERO Plus, il 66,48% su LIBERO Pro e l’82,67% su RoboCasa GR1 Tabletop.
- Il codice è disponibile su GitHub; le fonti consultate non bastano invece a confermare la disponibilità del rapporto tecnico né tutti i dettagli architetturali e benchmark citati.
AI Prompt
openai.comCreate 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 ha annunciato il 22 ottobre 2026 MWA-Phoenix, un modello open source da 7 miliardi di parametri per la manipolazione robotica, progettato per funzionare direttamente sul robot. È un world-action model che opera in uno spazio latente: in termini pratici, apprende a collegare ciò che il robot vede con le azioni da compiere. 6
9
Il punto distintivo dichiarato è l’uso di sole immagini RGB, senza sensori di profondità e senza dati di profondità reale (ground-truth depth). L’annuncio presenta il modello come una soluzione adatta all’esecuzione on-device, cioè sul dispositivo stesso anziché affidarsi necessariamente a un sistema remoto. 11
14
Codice disponibile, rapporto tecnico non verificato
Il repository GitHub Anyverse-Dynamics/Phoenix-MWA è pubblico e descrive il progetto come «Learning Generalizable World–Action Models with Structural and Semantic Representations». 7 Le informazioni disponibili confermano la presenza del codice di pre-addestramento del modello; non sono sufficienti, invece, per stabilire se il rapporto tecnico sia stato pubblicato insieme al rilascio.
I risultati dichiarati nei benchmark
La copertura dell’annuncio menziona sei valutazioni: LIBERO-Plus, LIBERO-Pro, RoboCasa GR1, RoboTwin 2.0, RoboDojo su robot reali e Bench2Dex. L’azienda sostiene di aver ottenuto prestazioni di vertice nel complesso di test. 10
11
I punteggi supportati dagli estratti disponibili sono:
- LIBERO-Plus: 94,63%.
- LIBERO-Pro: 66,48%.
- RoboCasa GR1 Tabletop: 82,67%.
11
- Bench2Dex: 45,6%, su 12 combinazioni di bracci robotici e mani destre.
Sono risultati riportati dall’azienda o dalla copertura dell’annuncio, non una verifica indipendente delle prestazioni. Le fonti disponibili non consentono di confermare tutti i numeri associati ai sei benchmark.
Componenti e dettagli tecnici: cosa si può confermare
Una nota sugli encoder indica che il checkpoint DINO110k, compresi backbone e adapter, deriva da DINOv3 di Meta. 8 La copertura descrive inoltre Phoenix-ILA come un componente che integra movimento e contatto nell’apprendimento delle azioni, e Phoenix-PhysCanvas come un modello del mondo simulato e interattivo, usato nel cloud per migliorare le strategie prima della distribuzione sul robot.
13
Non è stato possibile verificare, sulla base degli estratti disponibili, altri dettagli dell’architettura citati nell’annuncio: la distillazione geometrica da VGGT e quella dei cambiamenti temporali da V-JEPA; il VAE semantico causale che non accede ai fotogrammi futuri; l’attenzione congiunta degli esperti video e azione; e l’esecuzione asincrona di blocchi di azioni.
Le informazioni ancora da verificare
Le fonti consultate non confermano il 72,42% attribuito a RoboTwin 2.0, i test di RoboDojo su tre corpi robotici e 18 compiti, né i vantaggi dichiarati di 7,5 punti percentuali rispetto al precedente modello WALA e di 17,3 punti rispetto a pi0.5. Non chiariscono neppure quali limiti restino nel trasferimento delle abilità tra robot diversi.
Restano inoltre non verificati i dettagli sul pre-addestramento con operazioni di robot reali, video umani in prima persona e acquisizioni UMI portatili; la disponibilità dichiarata di oltre 200.000 ore di dati multimodali; l’addestramento di modelli più grandi; e l’affermazione che nessun dato di test sia stato replicato nei dati di training.
In sintesi, il rilascio open source, l’impostazione basata su immagini RGB e alcuni punteggi sono documentati nelle fonti disponibili. Le affermazioni più ampie sulle prestazioni e diversi dettagli tecnici vanno invece considerati dichiarazioni dell’annuncio, non risultati confermati da una replica indipendente. 10
11
14
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "MWA-Phoenix: Anyverse Dynamics apre il suo modello per la manipolazione robotica"?
MWA Phoenix è un modello open source da 7 miliardi di parametri per la manipolazione robotica, progettato per l’esecuzione direttamente sul robot e con input da immagini RGB.
What are the key points to validate first?
MWA Phoenix è un modello open source da 7 miliardi di parametri per la manipolazione robotica, progettato per l’esecuzione direttamente sul robot e con input da immagini RGB. Tra i risultati riportati dalle fonti disponibili figurano il 94,63% su LIBERO Plus, il 66,48% su LIBERO Pro e l’82,67% su RoboCasa GR1 Tabletop.
What should I do next in practice?
Il codice è disponibile su GitHub; le fonti consultate non bastano invece a confermare la disponibilità del rapporto tecnico né tutti i dettagli architetturali e benchmark citati.
Sources
tech-momentum.comAI 전문 테크 미디어, 더테크모멘텀