Qwen-VLA: Dari memahami dunia hingga bertindak
Judul asli:Qwen-VLA: From Understanding the World to Acting in It
Ringkasan AI
Tongyi Qianwen meluncurkan model visi-bahasa-aksi umum Qwen-VLA, yang berbasis pada tulang punggung multimodal Qwen dan memperluas persepsi visual, pemahaman bahasa, serta penalaran spasial hingga ke pembangkitan aksi kontinu dan prediksi lintasan. Pelatihan dibagi menjadi empat tahap: pra-pelatihan teks-ke-aksi (T2A), pra-pelatihan berkelanjutan (CPT), fine-tuning terawasi (SFT), dan pembelajaran penguatan (RL). Mencapai 97.9% pada LIBERO, 73.7% pada Simpler-WidowX, serta 86.1%/87.2% pada RoboTwin-Easy/Hard, menyamai atau melampaui model khusus. Data mencakup lebih dari 10.000 jam lintasan robot publik, lebih dari 1.000 jam lintasan nyata internal, dan lebih dari 8 juta lintasan simulasi sintetis.
Poin utama
- Tongyi Qianwen meluncurkan model visi-bahasa-aksi umum Qwen-VLA,yang berbasis pada tulang punggung…
- Pelatihan dibagi menjadi empat tahap: pra-pelatihan teks-ke-aksi (T2A),pra-pelatihan berkelanjutan…
- Mencapai 97.
- 9% pada LIBERO,73.
- 7% pada Simpler-WidowX,serta 86.
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- Qwen:Blog Retrieval(API)
- Kategori
- Rilis Model
- Skor AI
- 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。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: Qwen-VLA: Dari memahami dunia hingga bertindak. 29 Mei 2026. https://new.nat6.net/id/news/cmpr2b1l40aa6slnoit9b7p92/