模型发布

Qwen-VLA:从理解世界到付诸行动

原文标题:Qwen-VLA: From Understanding the World to Acting in It

AI 摘要

通义千问推出通用视觉-语言-动作模型Qwen-VLA,基于Qwen多模态骨干,将视觉感知、语言理解与空间推理扩展至连续动作生成和轨迹预测。训练分四阶段:文本到动作预训练(T2A)、持续预训练(CPT)、监督微调(SFT)和强化学习(RL)。在LIBERO上达97.9%,Simpler-WidowX达73.7%,RoboTwin-Easy/Hard达86.1%/87.2%,匹配或超越专精模型。数据涵盖超10,000小时公共机器人轨迹、1,000+小时内部真实轨迹及800万+合成仿真轨迹。

关键信息

  • 通义千问推出通用视觉-语言-动作模型Qwen-VLA,基于Qwen多模态骨干,将视觉感知、语言理解与空间推理扩展至连续动作生成和轨迹预测。
  • 训练分四阶段:文本到动作预训练(T2A)、持续预训练(CPT)、监督微调(SFT)和强化学习(RL)。
  • 在LIBERO上达97.
  • 9%,Simpler-WidowX达73.
  • 7%,RoboTwin-Easy/Hard达86.

速览

发布时间
更新时间
来源
Qwen:Blog Retrieval(API)
分类
模型发布
AI 评分
66
阅读原文 前往信息源阅读完整正文
推荐理由

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。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Qwen-VLA:从理解世界到付诸行动。2026年5月29日。https://new.nat6.net/news/cmpr2b1l40aa6slnoit9b7p92/

查看全部 →
  • Nano Banana Pro与Nano Banana 2正式发布

    🍌 Nano Banana Pro [gemini-3-pro-image] 和 Nano Banana 2 [gemini-3.1-flash-image] 现已正式发布,可通过 Gemini API 投入生产使用。查看这些优秀的社区示…

    X:Google AI for Developers (@googleaidevs)模型发布AI 评分 71

  • ChatGPT上线GPT-5.5 Instant新版本

    ChatGPT 新增 GPT-5.5 instant 模型: 我们今天发布了 GPT-5.5 instant 的新版本。之前的模型过于“子弹化”。新版本在其他一些重要维度上有所改进:谄媚性、事实性和多语言性能。希望你喜欢!我们始终对反馈感…

    X:Greg Brockman (@gdb)模型发布AI 评分 69

  • Qwen-VLA:迈向通用具身智能的统一动作框架

    通义实验室提出Qwen-VLA,以Qwen3.5-4B视觉语言主干与1.15B参数DiT动作解码器构建统一视觉-语言-动作模型。通过文本到动作DiT预训练和本体感知提示,将操作、导航与轨迹预测统一在同一框架下,支持11种机器人平台。在5个…

    公众号:通义实验室(千问)模型发布AI 评分 61