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
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.
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/