Alibaba Qwen-Robot Suite-ті ұсынады: физикалық әлемде роботтарды басқаруға арналған толық AI стек
Alibaba Qwen-Robot Suite — физикалық ортада роботтарды басқаруға және міндеттерді шешуге арналған кешенді ЖИ модельдер жиынтығын ресми түрде жариялады. Пакетке үш негізгі модель кірді: навигацияға арналған Qwen-RobotNav, объектілермен жұмыс істеуге арналған Qwen-RobotManip және көріністің дамуын болжауға арналған Qwen-RobotWorld. Әзірлеушілер бұл жобаны «толық стектік бейнеленген жасанды интеллект» ретінде ұсынады.
Мәселе дайын роботтар туралы емес, физикалық агенттерге қоршаған ортаны қабылдауға, өз әрекеттерін жоспарлауға және табиғи тілде берілген командаларды орындауға мүмкіндік беретін бағдарламалық модельдер туралы болып отыр. Қазірдің өзінде Qwen-Robot Suite робототехника саласында жұмыс істейтін Alibaba Cloud корпоративтік клиенттерінің бірқатарында пилоттық сынақтардан өтуде.
Alibaba неге Qwen-ді физикалық әлемге шығарады
Қазіргі заманғы үлкен тілдік және мультимодальды модельдер мәтінмен, кескіндермен және бейнелермен тамаша жұмыс істейді, бірақ роботтар үшін бұл жеткіліксіз. Физикалық агенттерге команданы түсіну ғана емес, сонымен қатар оны кеңістікті, объектілердің қасиеттерін, сенсорлардың шектеулерін және ықтимал салдарларды ескере отырып, қозғалысқа аудару қажет. Alibaba бұл бағытты physical AI немесе «бейнеленген ЖИ» деп атайды, мұнда модель сандық деректермен ғана емес, физикалық шындықпен де жұмыс істейді.
Qwen-RobotNav: әмбебап навигация
Qwen-RobotNav моделі навигацияға жауап береді және бес негізгі міндетті біріктіреді: нұсқауларды орындау, берілген нүктеге қозғалу, объектілерді іздеу, мақсатты қадағалау және автономды жүргізу. Qwen3-VL негізінде құрылған ол маршруттарды жоспарлауға және визуалды-тілдік пайымдауға байланысты 15,6 миллион үлгіде оқытылған.
Нәтижелер әсерлі: VLN-CE RxR бенчмаркінде (тілдік нұсқаулар бойынша навигация) 76,5% табыстылық және EVT-Bench (қозғалатын мақсаттарды қадағалау) бойынша 90%. Айта кету керек, модель жоғары деңгейлі модель тапсырманы жоспарлайтын, ал Qwen-RobotNav физикалық қозғалысқа жауап беретін үлкенірек агенттік жүйелер үшін құрал ретінде әрекет ете алады.
Qwen-RobotManip: объектілермен жұмыс
Qwen-RobotManip моделі объектілермен физикалық әрекеттерге арналған: заттарды ұстау, жылжыту және орналастыру. Робототехникадағы басты мәселелердің бірі — әртүрлі робот түрлерімен әрекеттерді сипаттаудағы айырмашылық. Манипуляторлар, екі қолды платформалар және мобильді жүйелер әртүрлі координаттар мен команда форматтарын пайдаланады. Qwen-RobotManip бұл мәселені деректерді бірыңғай көрініске келтіру арқылы шешеді, бұл әртүрлі құрылғылар арасында дағдыларды тасымалдауға мүмкіндік береді.
Модельді оқыту үшін 38 100 сағаттан астам деректер пайдаланылды, оның ішінде 11 320 сағат ашық робототехникалық деректер, 1933 сағат адам әрекеттерінің бірінші жақтан бейнелері және 24 808 сағат синтетикалық демонстрациялар. Модель әмбебап модельдер трегінде RoboChallenge Table30 v1 бойынша бірінші орынды иеленді және жаңа нұсқаулар мен бейтаныс объектілерге төзімділікті көрсетеді.
Qwen-RobotWorld: болжауға арналған әлем моделі
Qwen-RobotWorld табиғи тілмен басқарылатын бейнеәлем моделі болып табылады. Ол ағымдағы бақылауды және мәтіндік команданы алады, содан кейін ортаның ықтимал болашақ күйін жасайды. Бұл манипуляциялар, автономды жүргізу, навигация және синтетикалық оқыту деректерін жасау үшін қолданылуы мүмкін.
Оқыту үшін 8,6 миллион «бейне-мәтін» жұбын және 200 миллионнан астам кадрды қамтитын, 20-дан астам роботтық платформа түрін және 500 әрекет санатын қамтитын Embodied World Knowledge корпусы жиналды. Модель EWMBench және DreamGen Bench бойынша бірінші орындарды иеленіп, WorldModelBench және PBench бойынша барлық ашық аналогтардан асып түсті.
Жаппай роботтарға әлі алыс
Әсерлі мәлімдемелерге қарамастан, Qwen-Robot Suite әзірге модельдер жиынтығы болып қала береді, дайын тұтынушылық платформа емес. Нақты енгізу сенсорлардың шуылымен, жетектердің тозуымен және сирек кездесетін сценарийлердің үлкен санымен кездеседі. Көптеген бенчмарктер модельдеу немесе шектеулі эксперименттік жағдайларда жүргізіледі. Alibaba сонымен қатар қолжетімділік құнын және жария іске қосу мерзімдерін ашпады.
Сарапшының пікірі: Техникалық тұрғыдан алғанда, Qwen-Robot Suite — бейнеленген ЖИ саласындағы маңызды қадам. Дегенмен, кез келген іргелі модельдердегідей, басты сын бақыланатын зертханалық жағдайлардан нақты әлемге оның хаосымен және болжаусыздығымен көшу болып қалады. Инвесторлар мен әзірлеушілер Alibaba-ның бұл шешімдерді пилоттық жобалардан тыс қаншалықты тез масштабтай алатынын мұқият бақылауы керек.