Wujie Dongli abre el modelo de mundo MWA-Phoenix y afirma liderar seis benchmarks

La compañía china Wujie Dongli (无界动力) publicó en abierto el 22 de octubre MWA-Phoenix, un modelo de mundo fundacional que predice la dinámica del entorno en el espacio latente, y no en píxeles. Según sus desarrolladores, el modelo alcanzó el primer puesto en seis benchmarks: LIBERO-Plus, LIBERO-Pro, RoboCasa GR1, Bench2Dex, RoboTwin 2.0 y la tabla real de RoboDojo. Las seis plataformas cubren simulación, robots físicos y varios tipos de tareas.

Seis tablas que miden cosas distintas

Pocos equipos reclaman el liderazgo en un conjunto de benchmarks tan amplio. Lo habitual es optimizar el modelo para una o dos pruebas y dejar el resto fuera. Aquí conviene leer la elección como una pretensión de universalidad: cada plataforma examina una capa distinta del problema.

• LIBERO-Plus y LIBERO-Pro: resistencia a las perturbaciones del entorno y transferencia a formulaciones y condiciones de tarea modificadas.
• RoboCasa GR1: escenarios domésticos en cocinas con una plataforma humanoide.
• Bench2Dex: manipulación compleja de objetos, donde importa la destreza del agarre.
• RoboTwin 2.0: tareas con dos brazos y aleatorización de dominio.
• RoboDojo: banco de pruebas con robots reales, donde los trucos del simulador no sirven.

En la descripción del lanzamiento, Wujie Dongli destaca cuatro ejes: fiabilidad ante perturbaciones, generalización tras un cambio de tarea, manejo de objetos complejos y transferencia entre cuerpos de robot distintos. Son los puntos donde más a menudo fallan las políticas de manipulación. Un robot entrenado con una sola cámara y una sola iluminación suele desorientarse ante un desplazamiento de la imagen. Un modelo aprendido con una mano no sabe controlar otra.

Por qué el espacio latente conviene a los robots

Los modelos de mundo para robótica se dividen en dos bandos. Unos generan fotogramas futuros, lo cual es caro y ruidoso: la mayor parte de los píxeles no hace falta para decidir hacia dónde mover el manipulador. Otros predicen la evolución de una representación comprimida de la escena y trabajan con ella.

MWA-Phoenix pertenece al segundo bando. La representación latente descarta el fondo, las texturas y los reflejos, y conserva la geometría, la posición de los objetos y sus relaciones. Una escena así depende menos de los cambios de iluminación o de cámara, y la política de acción recibe una entrada compacta.

En teoría, esto aporta velocidad de inferencia y un camino más directo hacia la transferencia entre robots, porque el conocimiento general de la física queda separado de la cinemática concreta.

Ese es precisamente el argumento que la compañía pone en el escaparate. Si el modelo fundacional realmente separa la comprensión de la escena del cuerpo del robot, adaptarlo a una plataforma nueva se reduce a un ajuste fino ligero, y no a reunir un dataset desde cero.

El código abierto como forma de comprobar las afirmaciones

A las tablas de clasificación les gusta embellecer el panorama: se eligen las configuraciones, los protocolos de ejecución difieren y los primeros puestos públicos a veces se mantienen durante semanas. Un lanzamiento abierto importa porque permite revisar la afirmación. Cualquier laboratorio puede ejecutar el modelo en su propio banco de pruebas y comprobar si el resultado se sostiene fuera de los benchmarks de origen.

Además, Wujie Dongli entra en un mercado donde los modelos fundacionales para robots se están convirtiendo en infraestructura. La IA física ya es una línea independiente, y los equipos chinos apuestan por la apertura para reunir antes una comunidad y datos en torno a su modelo.

Para quienes construyen robots o investigan en este campo, la lista de comprobaciones es práctica. Primero, conviene reproducir los resultados en LIBERO-Plus y RoboTwin 2.0 en la propia infraestructura: es una prueba barata de la honestidad de las cifras. Después, hay que ejecutar el modelo en la plataforma propia con un ajuste fino mínimo y verificar la transferencia entre cuerpos que se declara. Por último, conviene leer la licencia y la composición de los artefactos abiertos: los pesos, el código de entrenamiento y los datos no siempre se publican juntos. Si la transferencia entre robots se confirma, los equipos sin una gran flota de máquinas tendrán una base lista para usar, en lugar de meses de recopilación de demostraciones.