मॉडल लॉन्च

Qwen-VLA: सामान्य एम्बॉडिड इंटेलिजेंस की ओर एकीकृत एक्शन फ्रेमवर्क

AI सारांश

Tongyi Lab ने Qwen-VLA प्रस्तुत किया, जो Qwen3.5-4B विज़न-लैंग्वेज बैकबोन और 1.15B पैरामीटर वाले DiT एक्शन डिकोडर से एक एकीकृत विज़न-लैंग्वेज-एक्शन मॉडल बनाता है। टेक्स्ट-टू-एक्शन DiT प्री-ट्रेनिंग और प्रोप्रियोसेप्टिव प्रॉम्प्टिंग के माध्यम से, मैनिपुलेशन, नेविगेशन और ट्रैजेक्टरी प्रेडिक्शन को एक ही फ्रेमवर्क में एकीकृत किया गया है, जो 11 रोबोट प्लेटफ़ॉर्म का समर्थन करता है। 5 सिमुलेशन बेंचमार्क में, एकल सामान्य मॉडल ने 3 में सर्वश्रेष्ठ विशेष मॉडल को पीछे छोड़ा; ALOHA वास्तविक मशीन in-domain सफलता दर 83.6%, OOD सामान्यीकरण 76.9%, जो π₀.₅ से क्रमशः 35 और 40 प्रतिशत अंक अधिक है; DOMINO गतिशील मैनिपुलेशन में जीरो-शॉट 26.6% तक पहुंचा; VLN-CE नेविगेशन R2R और RxR में क्रमशः 57.5% और 59.6% प्राप्त किया, दोनों विशेष मॉडलों से आगे।

मुख्य जानकारी

  • Tongyi Lab ने Qwen-VLA प्रस्तुत किया,जो Qwen3.
  • 5-4B विज़न-लैंग्वेज बैकबोन और 1.
  • 15B पैरामीटर वाले DiT एक्शन डिकोडर से एक एकीकृत विज़न-लैंग्वेज-एक्शन मॉडल बनाता है।…
  • ALOHA वास्तविक मशीन in-domain सफलता दर 83.
  • 6%,OOD सामान्यीकरण 76.

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
公众号:通义实验室(千问)
श्रेणी
मॉडल लॉन्च
AI स्कोर
61
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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。

संबंधित एंटिटी

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: Qwen-VLA: सामान्य एम्बॉडिड इंटेलिजेंस की ओर एकीकृत एक्शन फ्रेमवर्क। 29 मई 2026। https://new.nat6.net/hi/news/cmq2o71l001irsl6nww43cve6/

सभी देखें →