Lanzamientos de modelos

Qwen-VLA: hacia un framework de acción unificado para la inteligencia encarnada general

Resumen de IA

El laboratorio Tongyi propone Qwen-VLA, que construye un modelo unificado de visión-lenguaje-acción con un backbone de visión-lenguaje Qwen3.5-4B y un decodificador de acción DiT de 1.15B parámetros. Mediante el preentrenamiento de DiT de texto a acción y las indicaciones de propiocepción, unifica la manipulación, la navegación y la predicción de trayectorias en un mismo framework, con soporte para 11 plataformas de robots. En 5 benchmarks de simulación, un único modelo general supera al mejor modelo especializado en 3 de ellos; en el robot real ALOHA, la tasa de éxito in-domain es del 83.6% y la generalización OOD del 76.9%, superando a π₀.₅ en más de 35 y 40 puntos porcentuales respectivamente; en la manipulación dinámica DOMINO alcanza un 26.6% en zero-shot; en navegación VLN-CE logra un 57.5% en R2R y un 59.6% en RxR, superando a los modelos especializados.

Puntos clave

  • El laboratorio Tongyi propone Qwen-VLA,que construye un modelo unificado de visión-lenguaje-acción…
  • 5-4B y un decodificador de acción DiT de 1.
  • 15B parámetros.
  • Mediante el preentrenamiento de DiT de texto a acción y las indicaciones de propiocepción,unifica…
  • En 5 benchmarks de simulación,un único modelo general supera al mejor modelo especializado en 3 de…

Resumen rápido

Publicado
Actualizado
Fuente
公众号:通义实验室(千问)
Categoría
Lanzamientos de modelos
Puntuación IA
61
Leer el original Leer el artículo completo en la fuente original
Por qué importa

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。

Entidades relacionadas

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: Qwen-VLA: hacia un framework de acción unificado para la inteligencia encarnada general. 29. mayo 2026. https://new.nat6.net/es/news/cmq2o71l001irsl6nww43cve6/

Ver todo →