AnswersPublished13 sources
MWA-Phoenix: otwarty model AI do manipulacji robotami i wyniki sześciu testów
MWA Phoenix to otwarty, wstępnie wytrenowany model z 7 mld parametrów, przeznaczony do manipulacji robotami i projektowany z myślą o działaniu na urządzeniu. Firma podała m.in.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- MWA Phoenix to otwarty, wstępnie wytrenowany model z 7 mld parametrów, przeznaczony do manipulacji robotami i projektowany z myślą o działaniu na urządzeniu.
- Firma podała m.in. wyniki 94,63% w LIBERO Plus, 66,48% w LIBERO Pro i 72,42% w RoboTwin 2.0.
- Kod jest dostępny na GitHubie, a firma informuje również o publikacji raportu technicznego.
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 ogłosiło 22 października 2026 r. udostępnienie MWA-Phoenix — otwartego modelu bazowego do manipulacji robotami. Model ma 7 mld parametrów i został zaprojektowany z myślą o uruchamianiu bezpośrednio na robocie, a nie wyłącznie w chmurze. Do pracy wykorzystuje obraz RGB i nie wymaga danych o głębi. 1
16
Co udostępniono
Firma opublikowała wstępnie wytrenowany model, kod źródłowy na GitHubie oraz — według opisu premiery — raport techniczny. Repozytorium przedstawia projekt jako model świata i działania, uczony z wykorzystaniem reprezentacji strukturalnych i semantycznych. 1
2
W materiałach dotyczących enkodera Anyverse wskazuje, że checkpoint DINO110k, obejmujący bazową sieć i adapter, wywodzi się z DINOv3 firmy Meta. To potwierdza wykorzystanie tej rodziny modeli w części wizualnej, ale dostępne informacje nie wystarczają, by rzetelnie opisać wszystkie elementy architektury MWA-Phoenix.
Anyverse wiąże z projektem także dwa dodatkowe komponenty. Phoenix-ILA ma uwzględniać ruch i kontakt z obiektami podczas uczenia działań, co ma wspierać precyzyjne zadania manipulacyjne. Phoenix-PhysCanvas opisano jako interaktywne środowisko symulacyjne, w którym można udoskonalać polityki sterowania w chmurze przed wdrożeniem.
Wyniki podane przez firmę
Anyverse wymienia sześć ocen: LIBERO-Plus, LIBERO-Pro, RoboCasa GR1, Bench2Dex, RoboTwin 2.0 oraz testy na rzeczywistych robotach RoboDojo. Firma przedstawia je jako dowód szerokich możliwości modelu — od pracy w symulacji po działanie na sprzęcie.
| Test | Wynik podany przez Anyverse |
|---|---|
| LIBERO-Plus | 94,63% |
| LIBERO-Pro | 66,48% |
| RoboCasa GR1 Tabletop | 82,67% średniej skuteczności; o 7,5 pkt proc. więcej niż w poprzednim modelu WALA |
| RoboTwin 2.0 — manipulacja oburęczna | 72,42% średniej skuteczności |
| Bench2Dex | 45,6% średniej skuteczności |
| RoboDojo — testy na rzeczywistych robotach | Firma informuje o dobrych rezultatach dla trzech typów robotów i 18 zadań, ale w przytoczonym materiale nie podaje jednej zbiorczej wartości procentowej. |
Wartości pochodzą z materiałów opisujących premierę i wyniki przedstawione przez firmę. Nie są równoznaczne z niezależną replikacją testów.
Co pozostaje niejasne
Dostępne źródła nie pozwalają potwierdzić wszystkich szczegółów wymienianych w pytaniach o model — m.in. destylacji geometrii z VGGT, wykorzystania V-JEPA do uczenia zmian w czasie, architektury przyczynowego VAE ani wspólnego przewidywania klatek wideo i działań przez osobne moduły. Nie ma też wystarczających informacji, by opisać ograniczenia przenoszenia umiejętności między różnymi typami robotów.
Podobnie nie udało się potwierdzić deklaracji o zbiorze ponad 200 tys. godzin danych, źródłach pretreningu obejmujących nagrania z perspektywy człowieka i materiały UMI ani stwierdzenia, że żadne dane testowe nie powielają danych treningowych. Tych punktów nie należy więc traktować jako ustalonych faktów.
Najważniejsza praktyczna obietnica MWA-Phoenix jest jasna: duży model do manipulacji robotem, który ma korzystać z obrazu RGB i działać na urządzeniu. Podane wyniki wyglądają obiecująco, lecz dopiero niezależne testy pozwolą ocenić, jak dobrze przekładają się na pracę robotów poza warunkami benchmarków.
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: otwarty model AI do manipulacji robotami i wyniki sześciu testów"?
MWA Phoenix to otwarty, wstępnie wytrenowany model z 7 mld parametrów, przeznaczony do manipulacji robotami i projektowany z myślą o działaniu na urządzeniu.
What are the key points to validate first?
MWA Phoenix to otwarty, wstępnie wytrenowany model z 7 mld parametrów, przeznaczony do manipulacji robotami i projektowany z myślą o działaniu na urządzeniu. Firma podała m.in. wyniki 94,63% w LIBERO Plus, 66,48% w LIBERO Pro i 72,42% w RoboTwin 2.0.
What should I do next in practice?
Kod jest dostępny na GitHubie, a firma informuje również o publikacji raportu technicznego.
Sources
tech-momentum.comAnyverse Dynamics, 7B 로봇 월드 액션 모델 MWA-Phoenix 오픈소스 공개
pandaily.comTag: #World Model
github.comGitHub - Anyverse-Dynamics/Phoenix-MWA: Foudation Model of Anyverse MWA™
robottoday.comrobottoday.com · suppliers-discovery · shandong-future-robotShandong Future Robot Co., Ltd. - RobotToday