29日，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™ 具身通用大脑，同时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 中刷新行业纪录、登榜全球第一，超越英伟达 GR00T-N1.6、大晓机器人 ACE-EGO-0、小鹏DIAL、高德 ABot-M0等行业主流模型。

无界动力坚持“隐空间世界模型+强化学习”双轮驱动的技术路径：以“隐空间世界模型”建立“世界观”，认知客观世界的物理规律与因果关系，构筑起物理世界认知与未来状态预测的核心能力；以强化学习塑造“价值观”，基于高频的试错、解决与奖励，将对物理世界的深刻理解沉淀为改变现实的精准执行策略。

这条技术路径的选择，源于无界动力基于第一性原理对具身大脑本质的思考与洞察：无界动力始终认为，具身大脑的终极目标是让机器人拥有类人的世界认知建模能力，而非构建客观世界的完整复刻模型。

为拓展具身通用大脑在多元真实场景中的泛化边界，无界动力在“隐空间世界模型”的基础上，采用“双向动力学”架构，推出首个“长时序双向物理因果链”隐空间世界模型。MWA™ 摒弃了像素空间预测的冗余噪音与高算力消耗，全程在统一共享潜空间完成推演，实现高能效精准表征。同时，MWA™ 创新性地实现了时序 Chunk 级逆向动力学建模机制，突破传统世界模型“单步潜动作推理”的桎梏，重构逆向动力学模型的输出范式，使之具备长时序因果归纳能力，可批量推理输出连续多步 Latent Action Chunk 动作组，有效解决机器人长周期作业连贯、高精度执行难题。

该技术路径完成了从“理解物理世界”到“输出精准控制策略”的闭环，在赋予机器人独立应对复杂未知环境能力的同时，不断自主迭代进化，从而将对物理世界的深刻理解沉淀为改变现实的精准执行力，赋能具身智能跨越多元场景，加速走向更大规模的应用落地。

为进一步提升模型长程决策稳定性与因果推理精确性，无界动力首创“长时序双向物理因果链”隐空间世界模型——MWA™ 具身通用大脑，为机器人在多元复杂场景下的长时间、连贯、精准的任务执行提供了全新的潜空间时序建模方案。

在探索前沿技术路径的同时，无界动力聚焦打造具身智能“通用大脑”与“操作智能”，随着第二代机器人K15的批量投产，无界动力正加速深化以软硬一体解决方案布局跨领域多元场景，将前沿技术转化为产业优势。

南方+记者  郜小平