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,具身智能新路径登顶RoboCasa

2026/06/29 22:33阅读量 2

具身智能公司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™,采用“隐空间世界模型+强化学习”技术路线,在隐空间内通过潜动作提炼物理因果并通过双向动力学架构实现长时序推演。该模型在斯坦福等机构联合发起的RoboCasa GR1 TableTop榜单中以75.2%平均任务成功率取得全球第一。公司成立一年内累计融资数亿美元,已签约近1亿美元订单。

事件概述

具身智能新锐公司无界动力正式发布全球首个“长时序双向物理因果链”隐空间世界模型MWA™,旨在解决机器人长周期、高精度执行和多元场景泛化难题。该模型在由斯坦福大学等机构发起的RoboCasa GR1 TableTop评测中以75.2%的平均任务成功率获得全球第一,超越英伟达GR00T-N1.6等模型。

核心信息

  • 技术路线:无界动力选择“隐空间世界模型 + 强化学习”,而非传统的VLA(视觉-语言-动作)模仿学习路线。隐空间世界模型负责理解物理因果和预测未来状态,强化学习则通过试错将理解转化为执行策略。
  • 关键创新
    • 隐空间与潜动作:模型在统一隐空间内推演,跳过像素级冗余计算。通过“潜动作(Latent Action)”将物体因交互产生的状态变化抽象为高维表征,无需人工动作标签即可从海量无标注视频中学习物理常识。
    • 双向动力学架构:模型内部同时运行逆动力学(由果推因)和正动力学(由因及果),并通过“正逆互审机制”相互校验,提升因果推理精度。
    • 长时序Chunk级逆向动力学建模:打破传统单步推理局限,从10秒以上视觉序列中批量输出连续多步动作组(Latent Action Chunk),降低误差累积效应,实现长周期连续作业。
  • 训练数据:首创AnyPhys负样本数据体系,积累数万条失败、失稳和临界边界样本,配合自动正负样本分类方法,实现稠密奖励设计,无需额外人工标注。在精密接插任务中,噪声数据下任务成功率最高提升5倍。
  • 融资与商业化
    • 天使轮超2亿美元,Pre-A轮近2亿美元;投资方包括红杉中国、线性资本、京东关联基金等。
    • 成立一年签约近1亿美元全球订单,合作方涵盖汽车(ZF LIFETEC、欧摩威集团)、能源(远景科技,超5亿元海外订单)和消费(连锁咖啡品牌)领域。
  • 团队背景:CEO张玉峰曾带领地平线智驾业务从0做到中国市场份额第一,并主导与大众集团24亿欧元合作;CTO夏中谱是中国智驾端到端模型量产的关键人物。
  • 硬件配套:全栈自研1200 TOPS(INT8)大小脑一体大算力计算平台,已标配部署。

值得关注

无界动力的路线在具身智能领域属于非共识方向:放弃对像素和动作标签的依赖,转而让机器人通过隐空间世界模型直接理解物理规则。RoboCasa榜单的实测成绩证明了其在泛化能力上的优势,而融资与订单体量显示资本市场与产业方对本路线的认可。后续能否在更多开放场景中兑现“不依赖逐场景训练”的承诺,将是关键观察点。

准备好启动您的定制项目了吗?

现在咨询,即可获得免费的业务梳理与技术架构建议方案。