Alibaba жасанды интеллектіні физикалық әлемге шығарады: роботтарды басқаруға арналған Qwen-Robot Suite модельдер жиынтығы ұсынылды
Қытайлық технологиялық алып Alibaba компаниясы Qwen-Robot Suite — роботтарды басқаруға және физикалық ортадағы міндеттерді шешуге арналған жасанды интеллект модельдерінің кешенді жиынтығын жариялап, стратегиялық серпіліс жасады. Бұл тілдік модельдің кезекті жаңартуы ғана емес, алгоритмдер тек мәтін мен суреттермен ғана емес, нақты әлеммен әрекеттесуді үйренетін «тұлғаланған ИИ» (embodied AI) бағытындағы толыққанды қадам.
Пакет үш мамандандырылған модельді қамтиды. Qwen-RobotNav навигацияға, Qwen-RobotManip объектілермен манипуляцияларға жауап береді, ал Qwen-RobotWorld мәтіндік командалар негізінде көріністің дамуын болжай алатын бейнемодельді білдіреді. Alibaba бұл жиынтықты «тұлғаланған интеллект үшін толық стек» деп атайды. Қазіргі уақытта сынақтар Alibaba Cloud компаниясының робототехника саласындағы жекелеген корпоративтік клиенттерінде өтуде.
Неліктен роботтар үшін тілдік модельдер жеткіліксіз
Qwen-Robot Suite шешетін негізгі мәселе — цифрлық қабылдау мен физикалық әрекет арасындағы алшақтық. Қазіргі LLM мәтіндермен, кескіндермен және бейнелермен тамаша жұмыс істейді, бірақ робот команданы түсініп қана қоймай, оны дәл қозғалысқа аударуы, үйкелісті, гравитацияны, сенсорлардың шектеулерін және объектілердің кеңістіктік қасиеттерін ескеруі керек. Alibaba бұл бағытты physical AI деп атайды, модель бір уақытта «цифрмен» және «физикамен» жұмыс істеуі керек екенін атап көрсетеді.
Qwen-RobotNav: Qwen3-VL негізіндегі әмбебап навигатор
Модель навигацияның бес негізгі міндетін бір алгоритмде біріктіреді: нұсқауларды орындау, берілген нүктеге қозғалу, объектілерді іздеу, мақсатты қадағалау және автономды жүргізу. Ол Qwen3-VL архитектурасына негізделген және маршруттарды жоспарлау мен визуалды-тілдік пайымдауға байланысты 15,6 миллион үлгіде оқытылған. Нәтижелер әсерлі: VLN-CE RxR бенчмаркінде 76,5% және EVT-Bench-те 90% табыстылық. Практикалық сценарийлерде робот кеңседе жоғалған затты таба алады немесе ғимараттағы есіктің ашық екенін тексере алады, визуалды дәлелдер жинап, пайдаланушыға жауап қайтарады.
Qwen-RobotManip: физикалық әрекеттерді біріздендіру
Робототехниканың басты қиындықтарының бірі — әртүрлі құрылғы түрлері арасындағы команда форматтарының үйлесімсіздігі. Манипулятор, екі қолды платформа және мобильді робот координаттар мен буындардың әртүрлі тілдерінде «сөйлейді». Qwen-RobotManip бұл мәселені деректерді ортақ көрініске келтіру арқылы шешеді. Оқыту үшін 38 100 сағаттан астам деректер пайдаланылды, оның ішінде 11 320 сағат ашық робототехникалық жазбалар және 24 808 сағат синтетикалық демонстрациялар. Модель RoboChallenge Table30 v1 сайысында бірінші орынды иеленіп, таныс емес объектілерге төзімділік пен роботтар арасында дағдыларды ауыстыруды көрсетті.
Qwen-RobotWorld: физиканы болжау
Бұл модель — симуляция саласындағы нағыз серпіліс. Qwen-RobotWorld ағымдағы бақылау мен мәтіндік команда негізінде ортаның ықтимал болашақ күйін жасайды. Ол 8,6 млн «бейне-мәтін» жұбын және 20 типтегі роботтық платформаны қамтитын 200 млн-нан астам кадрды қамтитын Embodied World Knowledge корпусында оқытылған. Модель EWMBench және DreamGen Bench сайыстарында бірінші орынды иеленіп, WorldModelBench-тегі барлық ашық аналогтардан асып түсті. Оның қозғалыс, массаны сақтау және гравитация сияқты негізгі физикалық заңдармен жоғары сәйкестігін көрсетуі маңызды.
Сарапшылық пікір
Alibaba күшті негіз жасады, бірақ түсіну маңызды: Qwen-Robot Suite — әзірге дайын тұтынушылық өнім емес, әзірлеушілерге арналған құралдар жиынтығы. Нақты енгізу сценарийлері сенсорлардың шуына, жетектердің тозуына және модельдеу қиын сансыз сирек жағдайларға тап болады. Дегенмен, навигацияны, манипуляцияны және әлемді болжауды бір стекте біріздендіру — бұл салаға зертханалық демонстрациялардан коммерциялық роботтарға көшу үшін дәл жетіспейтін нәрсе. Егер Alibaba бұл технологияны масштабтай алса және әзірлеушілер үшін кіру шегін төмендетсе, біз физикалық ИИ дамуында сапалы секірістің куәгері боламыз.