超电机器人报道
作者｜在洲
在具身智能（Embodied AI）的竞技场上，一场关于技术范式的无声交锋正在上演。
近日，在由斯坦福大学等顶尖机构联合发起的具身智能权威榜单RoboCasa GR1 TableTop中，无界动力（Boundless Robotics）发布了其隐空间世界模型MWATM，并以75.2%的平均任务成功率刷新纪录，超越英伟达GR00T-N1.6、小鹏DIAL等一众明星模型，登顶全球第一。
这不仅仅是一个排名的更迭，更是一次技术路径的验证。在业界普遍陷入“Scaling Law（缩放定律）”带来的数据焦虑时，无界动力通过一套名为“长时序双向物理因果链”的新架构，试图回答一个核心问题：机器人究竟是该学会“看见”世界，还是学会“理解”世界？
抛弃像素复刻，转向隐空间建模
长期以来，占据主流的VLA（视觉-语言-动作）大模型路线，本质上是将物理世界强行映射到离散的语义空间。这种“端到端”的模式虽然简化了流程，却存在一个致命缺陷：缺乏对物理规律的深层认知。
机器人可能知道“苹果”这个词的语义，却无法预判轻轻一碰苹果就会滚落。这种对物理边界的“无知”，导致其在复杂多变的真实场景中泛化能力骤降。
无界动力选择了一条更为硬核的路径——“隐空间世界模型+强化学习”。
其核心逻辑在于“降维打击”。人类大脑并不需要像高清摄像机一样复刻眼前的每一个像素，而是通过抽象思维抓住事物的本质。MWATM正是借鉴了这一机制，摒弃了在像素空间进行高开销、高噪音的预测，转而在一个统一的“隐空间”（Latent Space）中进行推演。
在这个高度抽象的维度里，模型过滤掉了光影、纹理等与决策无关的冗余信息，将注意力聚焦于物理因果的本质。
这使得机器人不仅能“看懂”画面，更能理解“动作”与“物理反馈”之间的因果关系，从而构建起真正的“世界观”。
“双向动力学”：让机器人学会“复盘”与“推演”
如果说隐空间建模解决了“认知”问题，那么MWATM首创的“双向动力学”架构则解决了“决策”的稳定性问题。
传统世界模型通常只能进行“单步潜动作推理”，即走一步看一步。这在短程任务中尚可应付，但在长周期作业中，微小的误差会像滚雪球一样累积，最终导致任务失败。
MWATM引入了“正-逆双向协同”机制。
逆动力学编码器（由果推因）： 在预训练阶段，模型通过观察前后帧的画面变化，“复盘”导致变化的抽象原因，将其提炼为通用的“场景交互变化表征”。这一过程完全无需动作标签，能够极大程度地盘活互联网上的海量无标注视频数据。
正动力学解码器（由因推果）： 在决策阶段，模型利用习得的通识，在“脑内沙盘”中正向推演动作可能引发的未来状态。
更具突破性的是，MWATM实现了时序Chunk级逆向动力学建模。这意味着模型不再是“单步思考”，而是能像人类一样进行“长时序因果归纳”，一次性批量推理出连续多步的动作组（Latent Action Chunk）。这种机制从根本上解决了长周期操控中的误差累积难题，实现了秒级完整操纵事件的预演。
AnyPhys for RL：用“负样本”筑牢物理边界
在强化学习环节，无界动力同样展示了深刻的洞察。当前行业数据集普遍存在“重正轻负”的弊端，模型看到的几乎全是“完美操作”。这导致机器人一旦遇到意外（如手滑、碰撞），往往因缺乏认知而陷入“决策瘫痪”。
为此，无界动力推出了行业首创的AnyPhys负样本核心数据体系。该体系不再一味追求“满分答案”，而是将深层负样本（失败案例）、细粒度边界失稳样本（临界状态）与次优样本深度交织。
通过对打滑、磕碰、飞溅等失败轨迹的反向推演，模型能够精准建模物理稳定域，确立清晰的“安全边界”。在精密接插类任务的实测中，基于这种稠密奖励机制的训练方式，使得机器人在噪声数据下的任务成功率提升了5倍。这证明了一个朴素的真理：在物理世界里，懂得“避坑”远比懂得“走路”更重要。
无界动力的此次登顶，验证了“先练脑，再练手”的可行性。通过在预训练阶段利用海量无标注数据建立物理常识，在策略训练阶段仅需少量真机数据即可完成控制映射。这种解耦的训练模式，极大地降低了对昂贵动作标签数据的依赖。
随着第二代机器人K15的批量投产，这项技术正在从实验室走向工业产线、商业空间和家庭环境。在具身智能这场长跑中，无界动力似乎找到了一条通往通用机器人的捷径——不再执着于构建世界的复刻镜像，而是赋予机器人类似的物理直觉与因果推理能力。这或许正是具身智能迈向大规模落地的关键密钥。
热门跟贴