⚽ 預測世界盃，瓜分 $40,000！Gate 懂王集結令！
2026世界盃燃爆今夏，來 Gate 廣場當預言家，豪華獎池等您來戰！
💥 輕鬆兩步參與：
1️⃣ 帶 #广场预测世界杯赢40000U 發帖，或分享官方活動至廣場發帖
👉️ https://www.gate.com/competition/football-2026
2️⃣ 發帖內容可圍繞賽事結果預測、賽事勝率分析、交易策略/截圖分享等。
💰 三重大獎等您拿：
1️⃣ 日獎：每天評選 10 位“單日預測王”瓜分 $500！
2️⃣ 周獎：每周狂抽 50 名幸運分享錦鯉瓜分 $1,000！
3️⃣ 榜單獎：衝進周/月度排行榜，斬獲 Gate 世界盃限量球衣禮盒、預測市場體驗券！
詳情：https://www.gate.com/announcements/article/51597
阿里巴巴推出了用於機器人控制的人工智慧模型 - ForkLog
阿里巴巴推出了 Qwen-Robot Suite — 一套用於機器人和物理環境任務的人工智慧模型：Qwen-RobotNav 用於導航，Qwen-RobotManip 用於物體操作，以及 Qwen-RobotWorld 用於預測場景發展。團隊將此專案描述為「完整的身體化智慧堆疊」。
這是指幫助物理代理感知環境、規劃行動並用自然語言執行命令的軟體模型。Qwen-Robot Suite 已在阿里雲的部分企業客戶中進行試點測試，應用於機器人技術領域。
為何阿里巴巴將 Qwen 推向物理世界
大型語言模型和多模態模型已能處理文本、圖像、影片和語音，但這對機器人來說還不夠。物理代理不僅需要理解指令，還要將其轉化為動作，考慮空間、物體屬性、感測器限制和行動後果。
阿里巴巴稱此為 physical AI，或「具身人工智慧」。在這種方法中，模型不僅要處理數位資料，還要與物理環境互動：移動、尋找物體、操控操縱器，並預測行動後的結果。
Qwen-RobotNav：一個模型中的五個導航任務
Qwen-RobotNav 負責導航。該模型整合了五組任務：
根據阿里巴巴的資料，Qwen-RobotNav 基於 Qwen3-VL，並在 1560 萬個與路徑規劃和視覺語言推理相關的樣本上進行訓練。
公司宣稱在 VLN-CE RxR 上成功率達 76.5%，在 EVT-Bench 上達 90%。阿里巴巴也補充，該模型可作為更大代理系統的工具：高層模型規劃任務，Qwen-RobotNav 負責移動。
Qwen-RobotManip：物體操作
Qwen-RobotManip 針對物理操作任務。模型應協助機器人抓取、移動和放置物品，並能在不同設備間轉移技能。
阿里巴巴用超過 38,100 小時的資料進行訓練。這包括 11,320 小時的公開機器人資料、1933 小時的第一人稱人類動作影片，以及 24,808 小時的合成機器人演示，這些演示是基於上述影片生成的。
公司表示，該模型在 RoboChallenge Table30 v1 的通用模型賽道中獲得第一名。根據阿里巴巴，Qwen-RobotManip 也展現出對新指令、不熟悉物體的適應能力，以及跨機器人技能轉移的穩定性。
Qwen-RobotWorld：機器人世界模型
Qwen-RobotWorld 是一個由自然語言控制的視訊世界模型。它能預測在給定行動後，場景會如何發展。
為了訓練 Qwen-RobotWorld，團隊建立了 Embodied World Knowledge 資料庫。該資料庫包含 860 萬對「影片-文字」配對和超過 2 億張畫面，涵蓋超過 20 種機器人平台和 500 多類行動。
阿里巴巴表示，Qwen-RobotWorld 在 EWMBench 和 DreamGen Bench 中名列第一，並超越所有公開模型在 WorldModelBench 和 PBench 的表現。技術說明中還指出，該模型展現出與基本物理規律（如運動、質量守恆、液體和重力）高度一致的特性。
還有很長的路要走才能普及機器人
儘管取得了上述成果，Qwen-Robot Suite 目前仍是模型集，而非完整的商用機器人平台。實際應用面臨感測器噪聲、驅動器磨損、非標準情境、感知錯誤和大量稀有場景的挑戰。許多評測系統是在模擬或受控實驗條件下進行。
阿里巴巴也未公開存取費用、公開發布時間或已測試 Qwen-Robot Suite 的客戶名單。
提醒一下，4 月份阿里雲推出了 Qwen3.6-Plus 代理模型，具有 100 萬令牌的上下文窗口和外部工具支援。