O MWA Phoenix é um modelo de base para manipulação de robôs, com 7 bilhões de parâmetros e projetado para operar no próprio dispositivo usando imagens RGB, sem informação de profundidade real. A empresa divulgou resultados em seis avaliações, incluindo 94,63% no LIBERO Plus, 66,48% no LIBERO Pro e 72,42% no RoboTwin...
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa

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
A Anyverse Dynamics anunciou em 22 de outubro de 2026 o MWA-Phoenix, um modelo de base de código aberto voltado à manipulação robótica. Com 7 bilhões de parâmetros, ele foi projetado para funcionar no próprio robô e receber imagens de câmeras RGB, sem depender de sensores de profundidade ou de dados de profundidade real (ground-truth depth). 1
14
O código de pré-treinamento está disponível no GitHub, no repositório Anyverse-Dynamics/Phoenix-MWA. A empresa também informou que publicou um relatório técnico junto com o modelo. 1
2
A Anyverse afirma ter obtido desempenho de ponta em seis avaliações, que incluem testes simulados e uma avaliação com robôs reais. Os resultados numéricos apresentados nas fontes disponíveis são:
| Avaliação | Resultado divulgado |
|---|---|
| LIBERO-Plus | 94,63% de sucesso |
| LIBERO-Pro | 66,48% de sucesso |
| RoboCasa GR1 Tabletop | 82,67% de sucesso médio nas tarefas |
| RoboTwin 2.0 | 72,42% de sucesso médio em manipulação bimanual |
| Bench2Dex | 45,6% de sucesso médio em 12 combinações de braços robóticos e mãos dextras |
| RoboDojo | Testes com robôs reais em três tipos de corpo robótico e 18 tarefas; a fonte não informa uma pontuação numérica. |
A empresa diz que o LIBERO-Plus avalia a resposta a mudanças ambientais, enquanto o LIBERO-Pro testa a generalização para variações de objetos, posições e objetivos. A pontuação do RoboCasa GR1 Tabletop teria ficado 7,5 pontos percentuais acima da versão anterior da empresa, chamada WALA.
Embora a cobertura das avaliações inclua o Bench2Dex, não foi possível confirmar nas fontes consultadas a alegação de que o resultado supera o pi0.5 em 17,3 pontos percentuais. Os resultados devem ser entendidos como números divulgados pela empresa, não como desempenho validado de forma independente.
O repositório descreve o trabalho como uma abordagem para aprender modelos generalizáveis de mundo e ação com representações estruturais e semânticas. 2 Um aviso da empresa também informa que o checkpoint DINO110k, incluindo o backbone e o adaptador, deriva do DINOv3, da Meta.
As fontes disponíveis não permitem confirmar outros detalhes técnicos mencionados sobre o modelo, como destilação geométrica a partir do VGGT, destilação de mudanças temporais com V-JEPA, uma VAE semântica causal que não acessa quadros futuros ou especialistas de vídeo e ação que atendem conjuntamente. Também não foi possível verificar o uso de execução assíncrona de blocos de ação.
A empresa apresentou ainda dois componentes associados ao sistema: o Phoenix-ILA, descrito como uma forma de incorporar movimento e contato ao aprendizado de ações, e o Phoenix-PhysCanvas, um modelo de mundo simulado interativo para aprimorar políticas na nuvem antes da implantação.
As fontes consultadas não confirmam as alegações sobre mais de 200 mil horas de dados multimodais, treinamento de modelos maiores, uso de vídeos em primeira pessoa e capturas UMI feitas à mão, nem a afirmação de que dados de teste não foram replicados no treinamento. Também não há evidência suficiente para detalhar limitações específicas na transferência de habilidades entre diferentes corpos robóticos.
Em resumo, o anúncio apresenta um modelo aberto de grande porte, compatível com entrada RGB e acompanhado de resultados em diferentes avaliações. Mas, sem validação independente e com detalhes técnicos ainda sem confirmação nas fontes disponíveis, os números e as alegações de desempenho devem ser lidos com cautela. 1
2
Studio Global AI
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
O MWA Phoenix é um modelo de base para manipulação de robôs, com 7 bilhões de parâmetros e projetado para operar no próprio dispositivo usando imagens RGB, sem informação de profundidade real.
O MWA Phoenix é um modelo de base para manipulação de robôs, com 7 bilhões de parâmetros e projetado para operar no próprio dispositivo usando imagens RGB, sem informação de profundidade real. A empresa divulgou resultados em seis avaliações, incluindo 94,63% no LIBERO Plus, 66,48% no LIBERO Pro e 72,42% no RoboTwin 2.0.
O código está no GitHub e a empresa também informou a publicação de um relatório técnico.
O MWA Phoenix é um modelo de base para manipulação de robôs, com 7 bilhões de parâmetros e projetado para operar no próprio dispositivo usando imagens RGB, sem informação de profundidade real. A empresa divulgou resultados em seis avaliações, incluindo 94,63% no LIBERO Plus, 66,48% no LIBERO Pro e 72,42% no RoboTwin...
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa

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
A Anyverse Dynamics anunciou em 22 de outubro de 2026 o MWA-Phoenix, um modelo de base de código aberto voltado à manipulação robótica. Com 7 bilhões de parâmetros, ele foi projetado para funcionar no próprio robô e receber imagens de câmeras RGB, sem depender de sensores de profundidade ou de dados de profundidade real (ground-truth depth). 1
14
O código de pré-treinamento está disponível no GitHub, no repositório Anyverse-Dynamics/Phoenix-MWA. A empresa também informou que publicou um relatório técnico junto com o modelo. 1
2
A Anyverse afirma ter obtido desempenho de ponta em seis avaliações, que incluem testes simulados e uma avaliação com robôs reais. Os resultados numéricos apresentados nas fontes disponíveis são:
| Avaliação | Resultado divulgado |
|---|---|
| LIBERO-Plus | 94,63% de sucesso |
| LIBERO-Pro | 66,48% de sucesso |
| RoboCasa GR1 Tabletop | 82,67% de sucesso médio nas tarefas |
| RoboTwin 2.0 | 72,42% de sucesso médio em manipulação bimanual |
| Bench2Dex | 45,6% de sucesso médio em 12 combinações de braços robóticos e mãos dextras |
| RoboDojo | Testes com robôs reais em três tipos de corpo robótico e 18 tarefas; a fonte não informa uma pontuação numérica. |
A empresa diz que o LIBERO-Plus avalia a resposta a mudanças ambientais, enquanto o LIBERO-Pro testa a generalização para variações de objetos, posições e objetivos. A pontuação do RoboCasa GR1 Tabletop teria ficado 7,5 pontos percentuais acima da versão anterior da empresa, chamada WALA.
Embora a cobertura das avaliações inclua o Bench2Dex, não foi possível confirmar nas fontes consultadas a alegação de que o resultado supera o pi0.5 em 17,3 pontos percentuais. Os resultados devem ser entendidos como números divulgados pela empresa, não como desempenho validado de forma independente.
O repositório descreve o trabalho como uma abordagem para aprender modelos generalizáveis de mundo e ação com representações estruturais e semânticas. 2 Um aviso da empresa também informa que o checkpoint DINO110k, incluindo o backbone e o adaptador, deriva do DINOv3, da Meta.
As fontes disponíveis não permitem confirmar outros detalhes técnicos mencionados sobre o modelo, como destilação geométrica a partir do VGGT, destilação de mudanças temporais com V-JEPA, uma VAE semântica causal que não acessa quadros futuros ou especialistas de vídeo e ação que atendem conjuntamente. Também não foi possível verificar o uso de execução assíncrona de blocos de ação.
A empresa apresentou ainda dois componentes associados ao sistema: o Phoenix-ILA, descrito como uma forma de incorporar movimento e contato ao aprendizado de ações, e o Phoenix-PhysCanvas, um modelo de mundo simulado interativo para aprimorar políticas na nuvem antes da implantação.
As fontes consultadas não confirmam as alegações sobre mais de 200 mil horas de dados multimodais, treinamento de modelos maiores, uso de vídeos em primeira pessoa e capturas UMI feitas à mão, nem a afirmação de que dados de teste não foram replicados no treinamento. Também não há evidência suficiente para detalhar limitações específicas na transferência de habilidades entre diferentes corpos robóticos.
Em resumo, o anúncio apresenta um modelo aberto de grande porte, compatível com entrada RGB e acompanhado de resultados em diferentes avaliações. Mas, sem validação independente e com detalhes técnicos ainda sem confirmação nas fontes disponíveis, os números e as alegações de desempenho devem ser lidos com cautela. 1
2
Studio Global AI
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
O MWA Phoenix é um modelo de base para manipulação de robôs, com 7 bilhões de parâmetros e projetado para operar no próprio dispositivo usando imagens RGB, sem informação de profundidade real.
O MWA Phoenix é um modelo de base para manipulação de robôs, com 7 bilhões de parâmetros e projetado para operar no próprio dispositivo usando imagens RGB, sem informação de profundidade real. A empresa divulgou resultados em seis avaliações, incluindo 94,63% no LIBERO Plus, 66,48% no LIBERO Pro e 72,42% no RoboTwin 2.0.
O código está no GitHub e a empresa também informou a publicação de um relatório técnico.