Qwen-VLA: Mula sa pag-unawa sa mundo tungo sa pagkilos
Orihinal na pamagat:Qwen-VLA: From Understanding the World to Acting in It
AI summary
Inilunsad ng Tongyi Qianwen ang general vision-language-action model na Qwen-VLA, batay sa Qwen multimodal backbone, na nagpapalawak ng visual perception, language understanding, at spatial reasoning tungo sa continuous action generation at trajectory prediction. Apat na yugto ang pagsasanay: text-to-action pretraining (T2A), continued pretraining (CPT), supervised fine-tuning (SFT), at reinforcement learning (RL). Umabot ito sa 97.9% sa LIBERO, 73.7% sa Simpler-WidowX, at 86.1%/87.2% sa RoboTwin-Easy/Hard, na tumutugma o lumalampas sa mga specialized model. Saklaw ng datos ang mahigit 10,000 oras ng public robot trajectories, mahigit 1,000 oras ng internal real trajectories, at mahigit 8 milyong synthetic simulation trajectories.
Mahahalagang impormasyon
- Inilunsad ng Tongyi Qianwen ang general vision-language-action model na Qwen-VLA,batay sa Qwen…
- Apat na yugto ang pagsasanay: text-to-action pretraining (T2A),continued pretraining…
- Umabot ito sa 97.
- 9% sa LIBERO,73.
- 7% sa Simpler-WidowX,at 86.
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- Qwen:Blog Retrieval(API)
- Kategorya
- Paglabas ng modelo
- AI na marka
- 66
Qwen-VLA 把机器人操作、导航和跨实体控制统一进一个模型,在多个基准上打平甚至超越专用模型,这是通用具身智能的一个重要信号,但离实际可用还有距离。
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Qwen-VLA: Mula sa pag-unawa sa mundo tungo sa pagkilos. 29 Mayo 2026. https://new.nat6.net/fil/news/cmpr2b1l40aa6slnoit9b7p92/