MWA Phoenix er en åpen, 7 milliarder parameter verdens og handlingsmodell for robotmanipulering, laget med tanke på kjøring direkte på roboten. Modellen bruker RGB bilder og skal ikke være avhengig av dybdesensor eller fasitdata for dybde.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

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 kunngjorde 22. oktober 2026 at selskapet åpner MWA-Phoenix, en grunnmodell for robotmanipulering med 7 milliarder parametere. Modellen beskrives som en latent verdens- og handlingsmodell, utviklet med tanke på å kunne kjøres direkte på roboten. Selskapet oppgir at både GitHub-kode og en teknisk rapport er publisert. 1
14
Et særtrekk ved modellen er at den ifølge omtalen bruker RGB-bilder fra kamera, uten dybdesensor og uten fasitdata for dybde. Det kan gjøre den mindre avhengig av spesialisert dybdeutstyr, men sier ikke i seg selv hvor godt modellen fungerer på ulike roboter eller i virkelige situasjoner. 1
Selskapet viser til seks evalueringer, fra simulering til tester med fysiske roboter. Oppgitte resultater omfatter: 14
LIBERO-Plus og LIBERO-Pro skal blant annet belyse robusthet og generalisering under endringer i oppgaver eller omgivelser. RoboCasa og RoboTwin undersøker ulike former for manipulering, mens RoboDojo tar evalueringen over på fysiske roboter. Resultatene er oppgitt av Anyverse; kildene som er tilgjengelige her dokumenterer ikke uavhengig replikering av dem. 14
Kildekoden ligger i Anyverse-Dynamics/Phoenix-MWA på GitHub. Hovedgrenen inneholder kode for forhåndstrening av verdens- og handlingsmodellen; repoet viser til egne grener for ettertrening og evaluering. 2
Selskapet omtaler også Phoenix-ILA, som skal ta hensyn til bevegelse og kontakt i læringen av handlinger, og Phoenix-PhysCanvas, en interaktiv simulert verden for å forbedre robotpolicyer i skyen før utrulling. 14 En offentlig merknad om modellens DINO110k-kontrollpunkt sier at det bygger på DINOv3 fra Meta.
Kildene som er gjennomgått her gir ikke grunnlag for å bekrefte alle de mer detaljerte arkitekturpåstandene, som bestemte metoder for geometrisk eller tidslig distillering, eller hvordan video- og handlingsmodeller eventuelt trenes sammen. Det samme gjelder påstander om asynkron kjøring av handlingssekvenser.
Det er heller ikke mulig å slå fast fra de tilgjengelige kildene hvilke datakilder som ble brukt i forhåndstreningen, hvor mange timer med multimodale data selskapet har, eller om ingen testdata inngikk i treningen. Slike opplysninger bør derfor ikke behandles som bekreftet her. Hovedbildet er et åpent robotmanipuleringssystem med lovende, men foreløpig selskaprapporterte testresultater.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
MWA Phoenix er en åpen, 7 milliarder parameter verdens og handlingsmodell for robotmanipulering, laget med tanke på kjøring direkte på roboten.
MWA Phoenix er en åpen, 7 milliarder parameter verdens og handlingsmodell for robotmanipulering, laget med tanke på kjøring direkte på roboten. Modellen bruker RGB bilder og skal ikke være avhengig av dybdesensor eller fasitdata for dybde.
Anyverse oppgir sterke resultater i seks evalueringer, blant annet 94,63 prosent på LIBERO Plus og 82,67 prosent på RoboCasa GR1 Tabletop.
MWA Phoenix er en åpen, 7 milliarder parameter verdens og handlingsmodell for robotmanipulering, laget med tanke på kjøring direkte på roboten. Modellen bruker RGB bilder og skal ikke være avhengig av dybdesensor eller fasitdata for dybde.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

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 kunngjorde 22. oktober 2026 at selskapet åpner MWA-Phoenix, en grunnmodell for robotmanipulering med 7 milliarder parametere. Modellen beskrives som en latent verdens- og handlingsmodell, utviklet med tanke på å kunne kjøres direkte på roboten. Selskapet oppgir at både GitHub-kode og en teknisk rapport er publisert. 1
14
Et særtrekk ved modellen er at den ifølge omtalen bruker RGB-bilder fra kamera, uten dybdesensor og uten fasitdata for dybde. Det kan gjøre den mindre avhengig av spesialisert dybdeutstyr, men sier ikke i seg selv hvor godt modellen fungerer på ulike roboter eller i virkelige situasjoner. 1
Selskapet viser til seks evalueringer, fra simulering til tester med fysiske roboter. Oppgitte resultater omfatter: 14
LIBERO-Plus og LIBERO-Pro skal blant annet belyse robusthet og generalisering under endringer i oppgaver eller omgivelser. RoboCasa og RoboTwin undersøker ulike former for manipulering, mens RoboDojo tar evalueringen over på fysiske roboter. Resultatene er oppgitt av Anyverse; kildene som er tilgjengelige her dokumenterer ikke uavhengig replikering av dem. 14
Kildekoden ligger i Anyverse-Dynamics/Phoenix-MWA på GitHub. Hovedgrenen inneholder kode for forhåndstrening av verdens- og handlingsmodellen; repoet viser til egne grener for ettertrening og evaluering. 2
Selskapet omtaler også Phoenix-ILA, som skal ta hensyn til bevegelse og kontakt i læringen av handlinger, og Phoenix-PhysCanvas, en interaktiv simulert verden for å forbedre robotpolicyer i skyen før utrulling. 14 En offentlig merknad om modellens DINO110k-kontrollpunkt sier at det bygger på DINOv3 fra Meta.
Kildene som er gjennomgått her gir ikke grunnlag for å bekrefte alle de mer detaljerte arkitekturpåstandene, som bestemte metoder for geometrisk eller tidslig distillering, eller hvordan video- og handlingsmodeller eventuelt trenes sammen. Det samme gjelder påstander om asynkron kjøring av handlingssekvenser.
Det er heller ikke mulig å slå fast fra de tilgjengelige kildene hvilke datakilder som ble brukt i forhåndstreningen, hvor mange timer med multimodale data selskapet har, eller om ingen testdata inngikk i treningen. Slike opplysninger bør derfor ikke behandles som bekreftet her. Hovedbildet er et åpent robotmanipuleringssystem med lovende, men foreløpig selskaprapporterte testresultater.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
MWA Phoenix er en åpen, 7 milliarder parameter verdens og handlingsmodell for robotmanipulering, laget med tanke på kjøring direkte på roboten.
MWA Phoenix er en åpen, 7 milliarder parameter verdens og handlingsmodell for robotmanipulering, laget med tanke på kjøring direkte på roboten. Modellen bruker RGB bilder og skal ikke være avhengig av dybdesensor eller fasitdata for dybde.
Anyverse oppgir sterke resultater i seks evalueringer, blant annet 94,63 prosent på LIBERO Plus og 82,67 prosent på RoboCasa GR1 Tabletop.