全球首個：隱空間世界模型，打通長時序雙向物理因果鏈了！
為何重要
此舉標誌著具身智慧從依賴人類示範模仿的階段，轉向具備物理因果直覺與長時序規劃能力的「大腦」新範式，解決了過去 VLA 模型在光照、環境變動即「卡死」的難題。對產業而言，這意味著機器人從實驗室邁入工業級商業化所需的可靠性標準提升，競爭焦點逐漸轉向核心演算法架構與成功率指標。資本與實業背景創始人的雙重加持，也反映了產業對能複製「地平線模式」、具備硬體整合落地能力的團隊高度認可。
新創公司「無界動力」發布全球首個「長時序雙向物理因果鏈」隱空間世界模型 MWA™，旨在讓機器人透過理解物理因果來解決長時序精準執行的問題。
- 在由斯坦福大學等頂尖機構發起的 RoboCasa GR1 TableTop 榜單上以 75.2% 平均任務成功率奪得全球第一，超越 NVIDIA GR00T-N1.6 以及行業主流模型。
- 該模型不依賴畫素層面計算，透過提取「潛動作」並採用逆向動力學（IDM）與正向動力學（FDM）互審機制，實現對物理環境未來狀態的長週期預測。
- 公司積累了 AnyPhys 負樣本核心資料體系以解決 RL 訓練缺乏失敗教訓的痛點，並已籌集近 4 億美元資金，達成近 1 億美元的全球訂單。