Qwen-VLA : de la compréhension du monde à l'action
Titre original:Qwen-VLA: From Understanding the World to Acting in It
Résumé IA
Qwen lance Qwen-VLA, un modèle universel vision-langage-action fondé sur le socle multimodal Qwen, qui étend la perception visuelle, la compréhension du langage et le raisonnement spatial à la génération d'actions continues et à la prédiction de trajectoires. L'entraînement se déroule en quatre étapes : pré-entraînement texte-vers-action (T2A), pré-entraînement continu (CPT), ajustement supervisé (SFT) et apprentissage par renforcement (RL). Le modèle atteint 97,9 % sur LIBERO, 73,7 % sur Simpler-WidowX et 86,1 %/87,2 % sur RoboTwin-Easy/Hard, égalant ou dépassant les modèles spécialisés. Les données couvrent plus de 10 000 heures de trajectoires robotiques publiques, plus de 1 000 heures de trajectoires réelles internes et plus de 8 millions de trajectoires synthétiques simulées.
Points clés
- Qwen lance Qwen-VLA,un modèle universel vision-langage-action fondé sur le socle multimodal…
- L'entraînement se déroule en quatre étapes: pré-entraînement texte-vers-action…
- Le modèle atteint 97,9 % sur LIBERO,73,7 % sur Simpler-WidowX et 86,1 %/87,2 % sur…
- Les données couvrent plus de 10 000 heures de trajectoires robotiques publiques,plus de 1 000…
En bref
- Publié
- Mis à jour
- Source
- Qwen:Blog Retrieval(API)
- Catégorie
- Sorties de modèles
- Score IA
- 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。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : Qwen-VLA : de la compréhension du monde à l'action. 29. mai 2026. https://new.nat6.net/fr/news/cmpr2b1l40aa6slnoit9b7p92/