Alibaba Qwen-ді физикалық әлемге шығарады: роботтарды басқаруға арналған жасанды интеллект модельдерінің жиынтығы ұсынылды
Қытайлық технологиялық алып Alibaba «тұлғаланған жасанды интеллект» (Embodied AI) деп аталатын бағытта маңызды қадам жасап, Qwen-Robot Suite-ті ұсынды. Бұл жай ғана кезекті тілдік модель емес, роботтарға физикалық әлемді қабылдау, жоспарлау және әрекет ету қабілетін беруге арналған үш мамандандырылған іргелі модельден тұратын толыққанды бағдарламалық стек. Навигацияға арналған Qwen-RobotNav, объектілермен манипуляциялауға арналған Qwen-RobotManip және әрекеттердің салдарын болжайтын әлем моделі Qwen-RobotWorld туралы айтылып отыр.
Бұл тәсілдің дәстүрлі LLM-дерден басты айырмашылығы — физикалық агенттерге мәтінді немесе суретті жай ғана түсіну жеткіліксіз. Олар табиғи тілдегі бұйрықты дәл қозғалыстарға айналдыруы, үш өлшемді кеңістікті, объектілер физикасын және өз сенсорларының шектеулерін ескеруі керек. Alibaba Cloud робототехника саласындағы корпоративтік клиенттерде осы жиынтықтың пилоттық сынақтарын бастап кетті.
Qwen-RobotNav: әмбебап навигатор
Qwen3-VL базасында құрылған Qwen-RobotNav моделі бір архитектура аясында навигацияның бес негізгі міндетін шешеді: нұсқауларды орындау, мақсатқа қарай жылжу, объектілерді іздеу, мақсатты қадағалау және автономды жүргізу. 15,6 миллион үлгіде оқытылған ол әсерлі нәтижелер көрсетеді: VLN-CE RxR бенчмаркінде 76,5% және EVT-Bench-те 90% сәттілік. Шын мәнінде, бұл жоғары деңгейлі модель тапсырма қоятын, ал Qwen-RobotNav оның физикалық орындалуына жауап беретін ірі агенттік жүйелерге біріктірілуі мүмкін қозғалысқа арналған «ми».
Qwen-RobotManip: өзара әрекеттесу шеберлігі
Екінші модель, Qwen-RobotManip, объектілермен физикалық өзара әрекеттесуге — ұстау, жылжыту және орналастыруға бағытталған. Мұндағы басты жаңашылдық — әртүрлі робот түрлерінің (манипуляторлар, екі қолды платформалар, мобильді жүйелер) деректерінің үйлесімсіздігі мәселесін шешу әрекеті. Модель 38 100 сағаттан асатын үлкен деректер массивінде, соның ішінде адам әрекеттерінің бірінші жақтан түсірілген бейнелерінде оқиды. Нәтиже — RoboChallenge Table30 v1 әмбебап модельдер трегінде бірінші орын және, одан да маңыздысы, жаңа нұсқауларға төзімділік және әртүрлі роботтық платформалар арасында дағдыларды ауыстыру мүмкіндігі.
Qwen-RobotWorld: болашақты болжау
Qwen-RobotWorld мәтінмен басқарылатын бейнеәлем моделі болып табылады. Ол ағымдағы бақылау мен бұйрықты алады, содан кейін қоршаған ортаның қалай өзгеретінін көрсететін ықтимал бейнені жасайды. Бұл күрделі әрекеттерді жоспарлау және оқыту үшін синтетикалық деректерді құру үшін өте маңызды. Модель оқытылған Embodied World Knowledge корпусы 8,6 миллион «бейне-мәтін» жұбын қамтиды және 500-ден астам әрекет санатын қамтиды. Модель EWMBench және DreamGen Bench бенчмарктерінде бірінші орындарды иеленді, сонымен қатар әзірлеушілердің мәлімдемесі бойынша, негізгі физикалық заңдармен жоғары үйлесімділікті көрсетеді.
Аналитикалық пікір: Сөзсіз, Qwen-Robot Suite — Physical AI сегментінде көшбасшылыққа мықты үміткер. Алайда, алданып қалуға болмайды: зертханалық бенчмарктерден қоймада немесе үйде нақты жұмыс істеуге дейінгі арақашықтық өте үлкен. Сенсорлардың шуы, механиканың тозуы және миллиондаған сирек сценарийлер әлі де елеулі кедергілер болып қалады. Alibaba әзірге қолжетімділік құнын да, жария іске қосу мерзімдерін де жариялаған жоқ, бұл Qwen негізіндегі «ақылды» роботтарды жаппай енгізуге әлі алыс екенін көрсетеді. Дегенмен, әлемдегі ең ірі бұлтты провайдерлердің бірінің осындай «стекті» ұсыну фактісі бүкіл саланың дамуына жаңа бағыт береді.