登顶权威榜单！无界动力发布全球首个「长时序双向物理因果链」隐空间世界模型 MWA™
文章摘要
【关 键 词】 具身智能、世界模型、通用大脑、物理因果、强化学习
物理AI面临泛化能力质疑，无界动力发布全球首个“长时序双向物理因果链”隐空间世界模型MWA™具身通用大脑。该模型采用“双向动力学”架构，创新时序Chunk级逆向动力学建模机制，解决了传统模型在开放场景中缺乏物理认知和长时序规划能力的瓶颈。MWA™具身通用大脑从底层范式上为机器人多场景泛化与高精度执行提供了全新解法。
MWA™通过潜动作自监督预训练在隐空间淬炼通用物理常识，摆脱对动作标签的依赖。其双向动力学架构结合正动力学解码器的由因及果与逆动力学编码器的由果推因，在抽象空间内校正预测偏差。首创的“长时序双向物理因果链”打破了单步瞬时推理瓶颈，能够稳定规划10秒以上长周期连续动作序列，从根本上补齐了误差累积与动作不连贯的技术短板。推理阶段引入的三重梯度约束，在触碰物理世界前划定高确定性动作边界，进一步提升泛化能力。
针对行业数据集样本单一的问题，无界动力首创AnyPhys负样本核心数据体系。该体系将深层负样本、边界失稳样本与基准正样本深度交织，构建高信息稠密性的物理边界坐标系，补齐了强化学习稠密训练的全维度样本短板。通过自动区分样本类别并设计复杂稠密奖励，无需额外人工标注即可复用带瑕疵数据，显著增强机器人实操精度与面对异常扰动时的决策能力。
在具身智能权威榜单RoboCasa评测中，MWA™-WALA以75.2%的平均任务成功率斩获全球第一，超越众多行业主流模型，验证了隐空间世界模型在攻克泛化瓶颈中的实际价值。商业落地方面，无界动力的方案已切入头部汽车产线，并签署近1亿美元全球订单。其机器人在工业、商业及家庭环境中展现出强大的自适应泛化能力，正向驱动产业发展的通用生产力演进。
原文和模型
【原文链接】 阅读原文 [ 4085字 | 17分钟 ]
【原文作者】 机器之心
【摘要模型】 qwen3.7-plus
【摘要评分】 ★★★★★
相关文章
