Alibaba stellt die „Qwen-Robot“-Reihe von Modellen mit verkörperter Intelligenz vor
Da die Technologie der verkörperten Intelligenz den Sprung vom Labor in die Praxis schafft, ist die Fähigkeit von Robotern, Anweisungen präzise zu verstehen und Aufgaben in komplexen Umgebungen autonom auszuführen, zu einem zentralen Schwerpunkt der Branche geworden. Am 16. Juni stellte Alibaba offiziell die „Qwen-Robot“-Serie großer Modelle für verkörperte Intelligenz vor, die verschiedenen Robotern eine „Allzweck-Grundlage“ bietet, mit der sie natürliche Sprache verstehen, dreidimensionale Räume wahrnehmen und physikalische Gesetze begreifen können.
Die Qwen-Robot-Serie umfasst drei Kernmodelle, die entweder unabhängig voneinander oder gemeinsam arbeiten können und damit die erste vollständige Matrix für verkörperte Intelligenz innerhalb der Qwen-Familie bilden.

An erster Stelle steht „Qwen-RobotManip“, das für die Kernmanipulation zuständig ist. Um das Problem zu lösen, dass herkömmliche Modelle beim Wechsel der Roboterplattformen erhebliche Leistungseinbußen erleiden, verwendet dieses Modell eine einheitliche Aktionsdarstellung und wurde anhand von über 38.000 Stunden Open-Source-Daten vortrainiert. In maßgeblichen Bewertungen durch unabhängige Dritte belegten seine verschiedenen Versionen nicht nur die ersten beiden Plätze bei den Aufgabenerfolgsraten, sondern zeigten auch bahnbrechende Fähigkeiten bei komplexen, hochschwierigen Aufgaben – vom einfachen Aufdrehen eines Wasserhahns bis hin zum Wenden von Pommes frites mit beiden Armen.
Als Nächstes folgt Qwen-RobotNav, das Robotern die Fähigkeit verleiht, zu „navigieren“ und „Besorgungen zu erledigen“. Dieses Modell vereint fünf Navigationsfunktionen – das Verstehen von Aufgabenanweisungen, die Zielsuche und autonomes Fahren – innerhalb desselben Frameworks. Sein innovativer „aufgabenadaptiver Beobachtungsmechanismus“ ermöglicht es Robotern, sich vollständig von starren Auswendiglernstrategien zu lösen, sodass sie flexibel „gehen, schauen und planen“ können, während sie gleichzeitig Aufgaben zur Objektsuche in komplexen, unbekannten Räumen effizient erledigen.
Schließlich erweitert das Modell „Qwen-RobotWorld“ die Tiefe des „Denkens“ eines Roboters. Es handelt sich um ein Modell der physikalischen Welt, das – ähnlich wie ein Sportler, der Bewegungen einübt – den physikalischen Zustand und die Aktionen des nächsten Augenblicks simulieren kann. Es überwindet nicht nur effektiv den Engpass unzureichender Trainingsdaten, sondern ermöglicht es Robotern auch, vor der Ausführung von Aktionen Trajektorien-Simulationen durchzuführen, wodurch absolute Genauigkeit bei physikalischen Abläufen gewährleistet wird.
Verwandter Artikel
Ehemaliger Spotify-Manager gründet Vinyl-Bar-Startup in Shibuya, um Musik-Apps neu zu definieren
Während generative KI die kreative Landschaft weiterhin neu gestaltet, ermöglicht eine neue Welle von Startups Nutzern, Musik über KI-Prompts zu produzieren und dabei den Stil beliebiger Künstler nachzuahmen. A Vinyl Bar in Shibuya, ein Startup mit e
600B Sparse MoE aktiviert 27B und steigert die Kosteneffizienz des Open-Source-Flaggschiffs
Schritt 5 Preview, das neueste Flaggschiff-Grundlagenmodell, ist jetzt offiziell verfügbar. Sein Ziel ist klar: ein primäres Modell, das für reale Agentic-Aufgaben konzipiert wurde. Es adressiert das langjährige „Pareto-Problem“ in der KI, bei dem Fä
JD Cloud stellt das MiniMax M3 Großmodell vor, was einen Sprung in der Inferenzeffizienz markiert
Die JoyBuilder-Plattform von JD Cloud hat das neu eingeführte MiniMax M3-Modell integriert und steht Nutzern ab dem Veröffentlichungszeitpunkt zur Verfügung.Dieses Update konzentriert sich auf eine verbesserte Inferenzleistung. Die Plattform nutzt i
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Da die Technologie der verkörperten Intelligenz den Sprung vom Labor in die Praxis schafft, ist die Fähigkeit von Robotern, Anweisungen präzise zu verstehen und Aufgaben in komplexen Umgebungen autonom auszuführen, zu einem zentralen Schwerpunkt der Branche geworden. Am 16. Juni stellte Alibaba offiziell die „Qwen-Robot“-Serie großer Modelle für verkörperte Intelligenz vor, die verschiedenen Robotern eine „Allzweck-Grundlage“ bietet, mit der sie natürliche Sprache verstehen, dreidimensionale Räume wahrnehmen und physikalische Gesetze begreifen können.
Die Qwen-Robot-Serie umfasst drei Kernmodelle, die entweder unabhängig voneinander oder gemeinsam arbeiten können und damit die erste vollständige Matrix für verkörperte Intelligenz innerhalb der Qwen-Familie bilden.

An erster Stelle steht „Qwen-RobotManip“, das für die Kernmanipulation zuständig ist. Um das Problem zu lösen, dass herkömmliche Modelle beim Wechsel der Roboterplattformen erhebliche Leistungseinbußen erleiden, verwendet dieses Modell eine einheitliche Aktionsdarstellung und wurde anhand von über 38.000 Stunden Open-Source-Daten vortrainiert. In maßgeblichen Bewertungen durch unabhängige Dritte belegten seine verschiedenen Versionen nicht nur die ersten beiden Plätze bei den Aufgabenerfolgsraten, sondern zeigten auch bahnbrechende Fähigkeiten bei komplexen, hochschwierigen Aufgaben – vom einfachen Aufdrehen eines Wasserhahns bis hin zum Wenden von Pommes frites mit beiden Armen.
Als Nächstes folgt Qwen-RobotNav, das Robotern die Fähigkeit verleiht, zu „navigieren“ und „Besorgungen zu erledigen“. Dieses Modell vereint fünf Navigationsfunktionen – das Verstehen von Aufgabenanweisungen, die Zielsuche und autonomes Fahren – innerhalb desselben Frameworks. Sein innovativer „aufgabenadaptiver Beobachtungsmechanismus“ ermöglicht es Robotern, sich vollständig von starren Auswendiglernstrategien zu lösen, sodass sie flexibel „gehen, schauen und planen“ können, während sie gleichzeitig Aufgaben zur Objektsuche in komplexen, unbekannten Räumen effizient erledigen.
Schließlich erweitert das Modell „Qwen-RobotWorld“ die Tiefe des „Denkens“ eines Roboters. Es handelt sich um ein Modell der physikalischen Welt, das – ähnlich wie ein Sportler, der Bewegungen einübt – den physikalischen Zustand und die Aktionen des nächsten Augenblicks simulieren kann. Es überwindet nicht nur effektiv den Engpass unzureichender Trainingsdaten, sondern ermöglicht es Robotern auch, vor der Ausführung von Aktionen Trajektorien-Simulationen durchzuführen, wodurch absolute Genauigkeit bei physikalischen Abläufen gewährleistet wird.
Ehemaliger Spotify-Manager gründet Vinyl-Bar-Startup in Shibuya, um Musik-Apps neu zu definieren
Während generative KI die kreative Landschaft weiterhin neu gestaltet, ermöglicht eine neue Welle von Startups Nutzern, Musik über KI-Prompts zu produzieren und dabei den Stil beliebiger Künstler nachzuahmen. A Vinyl Bar in Shibuya, ein Startup mit e
600B Sparse MoE aktiviert 27B und steigert die Kosteneffizienz des Open-Source-Flaggschiffs
Schritt 5 Preview, das neueste Flaggschiff-Grundlagenmodell, ist jetzt offiziell verfügbar. Sein Ziel ist klar: ein primäres Modell, das für reale Agentic-Aufgaben konzipiert wurde. Es adressiert das langjährige „Pareto-Problem“ in der KI, bei dem Fä
JD Cloud stellt das MiniMax M3 Großmodell vor, was einen Sprung in der Inferenzeffizienz markiert
Die JoyBuilder-Plattform von JD Cloud hat das neu eingeführte MiniMax M3-Modell integriert und steht Nutzern ab dem Veröffentlichungszeitpunkt zur Verfügung.Dieses Update konzentriert sich auf eine verbesserte Inferenzleistung. Die Plattform nutzt i





Heim






