Qwen-VLA: Menuju Kerangka Aksi Terpadu untuk Kecerdasan Embodied Umum
Ringkasan AI
Laboratorium Tongyi mengusulkan Qwen-VLA, yang membangun model visi-bahasa-aksi terpadu dengan tulang punggung visi-bahasa Qwen3.5-4B dan dekoder aksi DiT 1,15B parameter. Melalui pra-pelatihan DiT teks-ke-aksi dan prompt proprioceptif, model menyatukan manipulasi, navigasi, dan prediksi lintasan dalam satu kerangka, mendukung 11 platform robot. Pada 5 benchmark simulasi, satu model umum melampaui model khusus terbaik pada 3 benchmark; tingkat keberhasilan in-domain ALOHA nyata 83,6%, generalisasi OOD 76,9%, masing-masing melampaui π₀.₅ lebih dari 35 dan 40 poin persentase; operasi dinamis DOMINO zero-shot mencapai 26,6%; navigasi VLN-CE R2R dan RxR masing-masing mencapai 57,5% dan 59,6%, keduanya melampaui model khusus.
Poin utama
- Laboratorium Tongyi mengusulkan Qwen-VLA,yang membangun model visi-bahasa-aksi terpadu dengan…
- 5-4B dan dekoder aksi DiT 1,15B parameter.
- Melalui pra-pelatihan DiT teks-ke-aksi dan prompt proprioceptif,model menyatukan…
- Pada 5 benchmark simulasi,satu model umum melampaui model khusus terbaik pada 3 benchmark
- tingkat keberhasilan in-domain ALOHA nyata 83,6%,generalisasi OOD 76,9%,masing-masing melampaui π₀.
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- 公众号:通义实验室(千问)
- Kategori
- Rilis Model
- Skor AI
- 61
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。
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: Menuju Kerangka Aksi Terpadu untuk Kecerdasan Embodied Umum. 29 Mei 2026. https://new.nat6.net/id/news/cmq2o71l001irsl6nww43cve6/