Qwen-VLA:世界を理解して行動へ
原題:Qwen-VLA: From Understanding the World to Acting in It
AI 要約
通義千問は汎用視覚-言語-行動モデルQwen-VLAを発表した。Qwenマルチモーダル基盤に基づき、視覚知覚・言語理解・空間推論を連続的な行動生成と軌道予測へ拡張する。トレーニングはテキストから行動への事前学習(T2A)、継続的事前学習(CPT)、教師あり微調整(SFT)、強化学習(RL)の4段階。LIBEROで97.9%、Simpler-WidowXで73.7%、RoboTwin-Easy/Hardで86.1%/87.2%を達成し、専用モデルに匹敵または上回る。データは1万時間超の公開ロボット軌道、1,000時間超の社内実軌道、800万件超の合成シミュレーション軌道を含む。
要点
- 通義千問は汎用視覚-言語-行動モデルQwen-VLAを発表した。
- Qwenマルチモーダル基盤に基づき、視覚知覚・言語理解・空間推論を連続的な行動生成と軌道予測へ拡張する。
- トレーニングはテキストから行動への事前学習(T2A)、継続的事前学習(CPT)、教師あり微調整(SFT)、強化学習(RL)の4段階。
- LIBEROで97.
- 9%、Simpler-WidowXで73.
概要
- 公開日時
- 更新日時
- カテゴリ
- モデル公開
- AI スコア
- 66
おすすめの理由
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。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:Qwen-VLA:世界を理解して行動へ。2026年5月29日。https://new.nat6.net/ja/news/cmpr2b1l40aa6slnoit9b7p92/