Qwen-VLA:汎用具身智能に向けた統一アクションフレームワーク
AI 要約
通義実験室はQwen-VLAを提唱した。Qwen3.5-4B視覚言語バックボーンと1.15BパラメータのDiTアクションデコーダで統一視覚-言語-アクションモデルを構築する。テキストからアクションへのDiT事前学習と固有感覚プロンプトにより、操作、ナビゲーション、軌跡予測を同一フレームワーク下に統合し、11種のロボットプラットフォームをサポートする。5つのシミュレーションベンチマークのうち3つで、単一の汎用モデルが最良の専用モデルを上回った。ALOHA実機のin-domain成功率は83.6%、OOD汎化は76.9%で、それぞれπ₀.₅を35ポイント、40ポイント上回る。DOMINO動的操作のゼロショットは26.6%。VLN-CEナビゲーションのR2RとRxRはそれぞれ57.5%と59.6%に達し、いずれも専用モデルを上回った。
要点
- 通義実験室はQwen-VLAを提唱した。
- 5-4B視覚言語バックボーンと1.
- 15BパラメータのDiTアクションデコーダで統一視覚-言語-アクションモデルを構築する。
- テキストからアクションへのDiT事前学習と固有感覚プロンプトにより、操作、ナビゲーション、軌跡予測を同一フレームワーク下に統合し、11種のロボットプラットフォームをサポートする。
- 5つのシミュレーションベンチマークのうち3つで、単一の汎用モデルが最良の専用モデルを上回った。
概要
- 公開日時
- 更新日時
- カテゴリ
- モデル公開
- AI スコア
- 61
おすすめの理由
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。
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:汎用具身智能に向けた統一アクションフレームワーク。2026年5月29日。https://new.nat6.net/ja/news/cmq2o71l001irsl6nww43cve6/