Wujie Dongli abre o código do modelo de mundo MWA-Phoenix e diz liderar seis benchmarks

A empresa chinesa Wujie Dongli (无界动力) liberou em acesso aberto, em 22 de outubro, o MWA-Phoenix, um modelo de mundo de base que prevê a dinâmica do ambiente no espaço latente, e não em pixels. Segundo os desenvolvedores, o modelo alcançou o primeiro lugar em seis benchmarks: LIBERO-Plus, LIBERO-Pro, RoboCasa GR1, Bench2Dex, RoboTwin 2.0 e o ranking real do RoboDojo. As seis plataformas cobrem simulação, robôs físicos e vários tipos de tarefa.

Seis rankings que avaliam coisas diferentes

Poucos se candidatam à liderança em um conjunto tão amplo de benchmarks. Em geral, a equipe otimiza o modelo para um ou dois testes e deixa o resto de fora. Aqui, a escolha deve ser lida como uma declaração de universalidade: cada plataforma testa uma camada diferente do problema.

• LIBERO-Plus e LIBERO-Pro: robustez a perturbações do ambiente e transferência para formulações e condições de tarefa alteradas.
• RoboCasa GR1: cenários domésticos em cozinhas, com plataforma humanoide.
• Bench2Dex: manipulação complexa de objetos, em que a destreza na pegada é decisiva.
• RoboTwin 2.0: tarefas com dois braços e randomização de domínio.
• RoboDojo: estande com robôs reais, onde truques de simulador não ajudam.

Na descrição do lançamento, a Wujie Dongli destaca quatro eixos: confiabilidade diante de perturbações, generalização após a troca de tarefa, trabalho com objetos complexos e transferência entre corpos de robôs distintos. São os pontos em que as políticas de manipulação mais costumam falhar. Um robô treinado com uma única câmera e uma única iluminação muitas vezes se perde com um deslocamento na imagem. Um modelo aprendido em um braço não sabe controlar outro.

Por que o espaço latente é conveniente para robôs

Os modelos de mundo para robótica se dividem em dois campos. Um gera quadros futuros, o que é caro e ruidoso: a maior parte dos pixels é desnecessária para decidir para onde mover o manipulador. O outro prevê a evolução de uma representação comprimida da cena e trabalha com ela.

O MWA-Phoenix pertence ao segundo campo. A representação latente descarta fundo, texturas e reflexos, e mantém a geometria, a posição dos objetos e as relações entre eles. Uma cena assim depende menos de mudanças de iluminação ou de câmera, e a política de ação recebe uma entrada compacta.

Em teoria, isso traz velocidade de inferência e um caminho mais direto para a transferência entre robôs, já que o conhecimento geral de física fica separado da cinemática específica.

É justamente esse argumento que a empresa coloca na vitrine. Se o modelo de base de fato separa a compreensão da cena do corpo do robô, a adaptação a uma nova plataforma se resume a um ajuste fino leve, sem a necessidade de montar um dataset do zero.

Código aberto como forma de verificar as alegações

Os leaderboards costumam embelezar o quadro: configurações são escolhidas a dedo, os protocolos de execução variam e posições públicas às vezes são mantidas por semanas. O lançamento aberto importa porque permite conferir a alegação. Qualquer laboratório pode rodar o modelo no próprio estande e ver se o resultado se sustenta fora dos benchmarks de origem.

Além disso, a Wujie Dongli entra em um mercado em que modelos de base para robôs estão virando infraestrutura. A IA física já se consolidou como uma área própria, e as equipes chinesas apostam na abertura para formar mais rápido uma comunidade e uma base de dados em torno de seu modelo.

Para quem constrói robôs ou pesquisa a área, a lista de verificações é prática. Primeiro, vale reproduzir os resultados no LIBERO-Plus e no RoboTwin 2.0 na própria infraestrutura: é um teste barato para checar a honestidade dos números. Depois, é preciso rodar o modelo na plataforma própria com o mínimo de ajuste fino e verificar a transferência entre corpos que foi anunciada. Por fim, convém ler a licença e a lista de artefatos abertos: pesos, código de treinamento e dados nem sempre são liberados juntos. Se a transferência entre robôs for confirmada, equipes sem uma grande frota de máquinas ganharão uma base pronta, em vez de meses coletando demonstrações.