Qwen-VLA: daripada memahami dunia kepada bertindak
Tajuk asal:Qwen-VLA: From Understanding the World to Acting in It
Ringkasan AI
Tongyi Qianwen melancarkan model visual-bahasa-tindakan umum Qwen-VLA, berdasarkan tulang belakang multimodal Qwen, meluaskan persepsi visual, pemahaman bahasa dan penaakulan spatial kepada penjanaan tindakan berterusan dan ramalan trajektori. Latihan terbahagi kepada empat peringkat: pra-latihan teks ke tindakan (T2A), pra-latihan berterusan (CPT), penalaan halus penyeliaan (SFT) dan pembelajaran pengukuhan (RL). Mencapai 97.9% pada LIBERO, 73.7% pada Simpler-WidowX, 86.1%/87.2% pada RoboTwin-Easy/Hard, menyamai atau melebihi model khusus. Data merangkumi lebih 10,000 jam trajektori robot awam, 1,000+ jam trajektori sebenar dalaman dan 8 juta+ trajektori simulasi sintetik.
Maklumat penting
- Tongyi Qianwen melancarkan model visual-bahasa-tindakan umum Qwen-VLA,berdasarkan tulang belakang…
- Latihan terbahagi kepada empat peringkat: pra-latihan teks ke tindakan (T2A),pra-latihan…
- Mencapai 97.
- 9% pada LIBERO,73.
- 7% pada Simpler-WidowX,86.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- Qwen:Blog Retrieval(API)
- Kategori
- Pelancaran 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。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Qwen-VLA: daripada memahami dunia kepada bertindak. 29 Mei 2026. https://new.nat6.net/ms/news/cmpr2b1l40aa6slnoit9b7p92/