Modellveröffentlichungen

Qwen-VLA: ein einheitliches Aktionsframework für universelle embodied Intelligenz

KI-Zusammenfassung

Das Tongyi Lab stellt Qwen-VLA vor, ein einheitliches Vision-Language-Action-Modell aus einem Qwen3.5-4B-Vision-Language-Backbone und einem DiT-Aktionsdecoder mit 1,15B Parametern. Durch Text-zu-Aktion-DiT-Pretraining und propriozeptive Hinweise werden Manipulation, Navigation und Trajektorienvorhersage in einem Framework vereint, das 11 Roboterplattformen unterstützt. In 5 Simulationsbenchmarks übertrifft ein einziges universelles Modell die besten Spezialmodelle in 3 davon; auf der realen ALOHA-Plattform erreicht es 83,6 % Erfolgsrate in-domain und 76,9 % OOD-Generalisierung, jeweils über 35 bzw. 40 Prozentpunkte mehr als π₀.₅; bei dynamischer Manipulation erreicht DOMINO zero-shot 26,6 %; in der VLN-CE-Navigation werden auf R2R 57,5 % und auf RxR 59,6 % erzielt, jeweils besser als Spezialmodelle.

Kernpunkte

  • Das Tongyi Lab stellt Qwen-VLA vor,ein einheitliches Vision-Language-Action-Modell aus einem Qwen3.
  • 5-4B-Vision-Language-Backbone und einem DiT-Aktionsdecoder mit 1,15B Parametern.
  • Durch Text-zu-Aktion-DiT-Pretraining und propriozeptive Hinweise werden Manipulation,Navigation…
  • In 5 Simulationsbenchmarks übertrifft ein einziges universelles Modell die besten Spezialmodelle…
  • auf der realen ALOHA-Plattform erreicht es 83,6 % Erfolgsrate in-domain und 76,9 %…

Auf einen Blick

Veröffentlicht
Aktualisiert
Quelle
公众号:通义实验室(千问)
Kategorie
Modellveröffentlichungen
KI-Bewertung
61
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

通义把操作、导航和轨迹预测塞进一个脑子,在11种机器人上通用,这是具身智能从'专家'走向'通才'的关键一步,做机器人的值得翻翻论文。

Verwandte Entitäten

Quelle & Urheberrecht

Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.

Originalartikel · AIHOT-Eintrag

Zitierhinweis

Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.

Orange News: Qwen-VLA: ein einheitliches Aktionsframework für universelle embodied Intelligenz. 29. Mai 2026. https://new.nat6.net/de/news/cmq2o71l001irsl6nww43cve6/

Alle ansehen →