Alibaba lança o modelo Qwen-Robot de três componentes! Navegação, controlo do robô e simulação física de uma só vez

Alibaba Qwen equipa lança Qwen-Robot Suite, composta por três modelos básicos de inteligência incorporada, incluindo navegação, controlo e simulação do mundo físico, que ocupa o primeiro lugar em várias provas de referência de robótica, sendo considerado o momento Android no domínio robótico.
（Contexto anterior: Alibaba Qianwen lança o modelo "Qwen3.7-Plus" com preços drasticamente reduzidos, mas sem abrir os pesos）
（Informação adicional: Meta entra na corrida dos robôs humanoides! Compra secreta da startup de IA Assured Robot Intelligence, apostando na "interação com o mundo físico" rumo à AGI）

Índice deste artigo

Alternar

• Qwen-RobotNav: Modelo de navegação tudo-em-um
• Qwen-RobotManip: Controlo entre robôs
• Qwen-RobotWorld: Interface universal de linguagem
• Como se compara com laboratórios ocidentais?

（Fonte: Decrypt, Blog oficial do Qwen）

A equipa Qwen da Alibaba lançou na terça-feira o Qwen-Robot Suite, um conjunto de inteligência incorporada composto por três modelos básicos de "pilha completa de inteligência física". Qwen-RobotNav é responsável pela navegação móvel, Qwen-RobotManip pelo controlo mecânico, e Qwen-RobotWorld pela simulação do mundo físico. Os três modelos operam de forma independente, formando o "Android Moment" no domínio robótico, que é um sistema operativo, não hardware.

Qwen-RobotNav: Modelo de navegação tudo-em-um

O modelo de navegação integra cinco tarefas: seguimento de comandos, navegação por pontos-alvo, busca de objetos, rastreamento de objetivos e condução autónoma, cada uma requerendo estratégias visuais de memória diferentes. A maioria dos modelos foca numa única estratégia, enquanto o Qwen-RobotNav oferece uma interface parametrizável: orçamento de tokens, atenuação temporal, peso por câmara, permitindo ao planeador reconfigurar durante a execução.

Este modelo foi treinado com 15,6 milhões de exemplos e obteve uma taxa de sucesso de 76,5% na prova de referência VLN-CE RxR (navegação visual e linguística em ambientes reais), e 90% na EVT-Bench (seguimento de objetos em movimento).

Qwen-RobotManip: Controlo entre robôs

As diferentes formas de representação de movimento entre robôs variam bastante: o braço robótico Franka usa ângulos de articulação, o robô de duas mãos ALOHA usa a posição e direção das pinças, enquanto o robô humanoide usa coordenadas corporais completas. A Alibaba compilou cerca de 38.100 horas de dados de treino a partir de bases de dados de robôs de código aberto e vídeos de humanos, sem depender de dados privados.

Este modelo ficou em primeiro lugar na prova RoboChallenge Table30-v1, superando em 20% os métodos anteriores.

Qwen-RobotWorld: Interface universal de linguagem

Este é o modelo mais ambicioso, uma simulação de mundo de vídeo baseada em linguagem, usando linguagem natural como interface de ações universal. Comando como "Pegue o copo vermelho e verta água na flor" é válido para pinças, veículos autónomos ou agentes de navegação móvel.

O corpus de conhecimento do mundo físico incorporado cobre 8,6 milhões de pares de vídeo e texto, 200 milhões de quadros, abrangendo controlo (590 mil exemplos, mais de 1.300 habilidades, mais de 20 formas), condução autónoma (Waymo, NVIDIA PhysicalAI-AD), navegação interior e transferência homem-máquina através de 14 tipos de braços robóticos. O modelo obteve a primeira posição nas provas EWMBench e DreamGen Bench, e pontuou perfeitamente em testes de física como leis de Newton, conservação de massa, dinâmica de fluidos e gravidade.

Como se compara com laboratórios ocidentais?

Laboratórios ocidentais como Google DeepMind, Nvidia, Figure e Physical Intelligence também perseguem objetivos semelhantes, mas focam maioritariamente em navegação ou controlo, não numa plataforma unificada e modular. A integração vertical da Alibaba, desde chips até aplicações, permite-lhe controlar toda a cadeia ecológica, e todos estes modelos são de código aberto.

No entanto, os desenvolvedores alertam que estes são modelos de software, não robôs físicos, e a implementação prática em ambientes domésticos ainda levará vários anos. A Alibaba ainda não anunciou preços, cronogramas ou planos de pilotos fora da lista de clientes.