Alibaba Qwen-Robot Suite жүйесін іске қосады: физикалық роботтарды басқаруға арналған толық ИИ стекі
Alibaba Cloud Qwen-Robot Suite кешенді шешімін ұсынды — физикалық ортада роботтарды басқаруға арналған іргелі жасанды интеллект модельдерінің жиынтығы. Бұл стекке үш негізгі модель кірді: навигацияға арналған Qwen-RobotNav, объектілерді манипуляциялауға арналған Qwen-RobotManip және көріністің дамуын болжауға арналған Qwen-RobotWorld. Жоба «толық бейнеленген жасанды интеллектке арналған толық стек» ретінде ұсынылып, қабылдау, жоспарлау және әрекеттерді орындауды біріктіреді.
Бұл тілдік модельдің кезекті жаңартуы ғана емес. Alibaba physical AI-ге — ЖИ мәтін мен суреттерді ғана өңдеп қоймай, нақты әлеммен әрекеттесуі керек бағытқа — ставка жасап отыр. Qwen-Robot Suite Alibaba Cloud-тың робототехника саласындағы корпоративтік клиенттерінде сынақтан өтіп жатыр, бұл компанияның ниетінің байыптылығын көрсетеді.
Qwen-RobotNav: әмбебап навигация
Qwen3-VL негізінде құрылған Qwen-RobotNav моделі навигациялық тапсырмалардың бес түрін біріктіреді: нұсқауларды орындау, берілген нүктеге қозғалу, объектілерді іздеу, мақсатты қадағалау және автономды жүргізу. Ол маршруттарды жоспарлауға және визуалды-тілдік пайымдауға байланысты 15,6 миллион үлгіде оқытылған.
Нәтижелер әсерлі: VLN-CE RxR бенчмаркінде 76,5% және EVT-Bench-те 90% сәттілік көрсеткіші. Модель жоғары деңгейдегі модель тапсырманы жоспарлайтын, ал Qwen-RobotNav физикалық қозғалысқа жауап беретін ірі агенттік жүйелердің құрамында атқарушы модуль ретінде қызмет ете алады.
Qwen-RobotManip: объектілермен әрекеттер
Qwen-RobotManip робототехниканың негізгі мәселелерінің бірін — деректердің гетерогенділігін шешеді. Роботтардың әртүрлі түрлері (манипуляторлар, екі қолды платформалар, мобильді жүйелер) әртүрлі координаттар мен команда форматтарын пайдаланады. Модель бұл деректерді бірыңғай көрініске келтіріп, дағдыларды құрылғылар арасында тасымалдауға мүмкіндік береді.
Оқыту үшін 38 100 сағаттан астам деректер пайдаланылды, оның ішінде 11 320 сағат ашық роботтық деректер, 1933 сағат адам әрекеттерінің бейнежазбалары және 24 808 сағат синтетикалық демонстрациялар. Модель RoboChallenge Table30 v1-де бірінші орынды иеленді және жаңа нұсқаулар мен бейтаныс объектілерге төзімділік көрсетті.
Qwen-RobotWorld: әлем моделі
Qwen-RobotWorld — табиғи тілмен басқарылатын бейнеәлем моделі. Ол берілген әрекеттен кейін көріністің дамуын болжайды, бұл манипуляциялар, автономды жүргізу және жоспарлау үшін өте маңызды. Embodied World Knowledge корпусы 8,6 миллион «бейне-мәтін» жұбын және 200 миллионнан астам кадрды қамтиды, олар роботтық платформалардың 20 түрін және әрекеттердің 500 санатын қамтиды.
Модель EWMBench және DreamGen Bench-те бірінші орындарды иеленіп, барлық ашық аналогтардан асып түсті. Alibaba Qwen-RobotWorld негізгі физикалық заңдылықтармен — қозғалыс, массаның сақталуы және гравитациямен жоғары үйлесімділік көрсетеді деп мәлімдейді.
Дегенмен, Qwen-Robot Suite модельдер жиынтығы болып қала беретінін, дайын тұтынушылық платформа емес екенін атап өткен жөн. Нақты енгізу сенсорлардың шуылы, жетектердің тозуы және симуляцияда қайталау қиын сирек сценарийлермен бетпе-бет келеді. Alibaba әзірге қол жеткізу құнын және жария іске қосу мерзімдерін ашқан жоқ.
Менің талдауым: Alibaba Qwen экожүйесін физикалық әлемге кеңейте отырып, стратегиялық тұрғыдан дұрыс қадам жасап отыр. Алайда бенчмарктерден өнеркәсіпте нақты енгізуге дейінгі жол ұзақ болады. Табыстың негізгі факторы модельдердің дәлдігі емес, олардың стандартты емес жағдайларға және аппараттық шектеулерге бейімделу қабілеті болады. Инвесторлар мен әзірлеушілер пилоттық жобаларды мұқият қадағалауы керек — дәл осы жобалар Qwen-Robot Suite-тің нақты міндеттерге қаншалықты дайын екенін көрсетеді.