阿里巴巴推出Qwen机器人系列,搭载三款具身大型模型,旨在解决异构机器人的适配问题

6月16日,阿里巴巴发布了Qwen-Robot系列具身智能模型,该系列由三个核心组件构成:用于操作控制的VLA模型Qwen-RobotManip、用于导航的VLN模型Qwen-RobotNav,以及用于构建世界模型的Qwen-RobotWorld。这一战略性的产品发布体现了各大科技企业对具身智能基础模型更坚定的投入,有助于实现机器人控制、导航功能与物理推理之间的无缝协同。
为解决传统VLA模型在面对硬件或场景变化时表现不佳的行业痛点,Qwen-RobotManip引入了80维的统一动作表示方式,为各类硬件定义了一套通用的“肢体语言”,仅需少量反馈步骤即可实现不同设备间的自动适配。而专为导航与任务执行设计的VLN模型Qwen-RobotNav则是在Qwen-VL的基础上发展而来,它首次将包括语言引导导航、目标搜索以及自动驾驶在内的五类任务整合到同一框架中,从而消除了在复杂任务中切换模型的需求。
作为系统的认知核心,Qwen-RobotWorld使系统具备对物理世界进行推理的能力,能够预测并模拟后续的动作与状态。目前具身智能正从单一场景应用向通用化应用过渡。随着这三款模型同步发布,阿里巴巴通过解耦技术架构并整合多模态能力,有望加速异构机器人的实际部署进程。
相关文章
阿里视频发布万3.0,实现超长视频生成与多维度一致性
8月24日,阿里巴巴发布了万3.0,这是其最新的视频生成大模型。此次发布标志着阿里巴巴视频技术的重大飞跃,在时长、通用创作、参考处理以及真实世界模拟方面实现了显著提升。万3.0将单视频生成的时长扩展至30秒,在单个镜头内提供了更为丰富的叙事可能性。它还引入了对多种主流文件格式的支持——包括doc、xls、ppt、pdf和md——使得文本、表格和幻灯片能够直接转换为动态视觉内容。为了解决视觉不一致和风格漂移等常见挑战,万3.0在微观层面确保了高度的稳定性。它在角色外观、道具细节、音频设置、空间关系
MiniMax大模型误读姓名——稀宇科技:特定Token后训练不足
MiniMax 最近发布了一份技术报告,详细解释了其 M2 系列模型为何难以准确生成“马嘉祺”等特定名称。这一看似错误的现象凸显了当前大语言模型训练中存在的系统性缺陷。Token 偏移:被挤压的向量空间根本原因在于分词器(tokenizer),即文本处理的基本单位。例如,名称“马嘉祺”被拆分为两个 Token:“Ma”和“Jiaqi”。虽然模型在预训练阶段学习了这些 Token,但在随后的指令微调阶段出现了问题。在微调期间,Token “Jiaqi”在对话数据中出现的频率极低,因此几乎未接受任何
英伟达H200中国交易在特朗普与习近平峰会后得以保留,但结果与预期不符
特朗普总统前往北京,黄仁勋在最后一刻加入了代表团,两天后离京时仅就芯片出口的潜在进展发表了含糊其辞的言论。双方未达成任何协议。自特朗普于2025年12月首次批准销售以来,尚未有一颗英伟达H200芯片进入中国。 美国贸易代表杰米森·格里尔向彭博社证实,半导体限制措施甚至未被列入双边议程。在峰会的盛况之下,隐藏着更重大的转变。H200芯片的供应受阻并非源于华盛顿的拒绝;美国实际上已经批准了出口。 包括
相关专题推荐
评论 (0)
0/500

6月16日,阿里巴巴发布了Qwen-Robot系列具身智能模型,该系列由三个核心组件构成:用于操作控制的VLA模型Qwen-RobotManip、用于导航的VLN模型Qwen-RobotNav,以及用于构建世界模型的Qwen-RobotWorld。这一战略性的产品发布体现了各大科技企业对具身智能基础模型更坚定的投入,有助于实现机器人控制、导航功能与物理推理之间的无缝协同。
为解决传统VLA模型在面对硬件或场景变化时表现不佳的行业痛点,Qwen-RobotManip引入了80维的统一动作表示方式,为各类硬件定义了一套通用的“肢体语言”,仅需少量反馈步骤即可实现不同设备间的自动适配。而专为导航与任务执行设计的VLN模型Qwen-RobotNav则是在Qwen-VL的基础上发展而来,它首次将包括语言引导导航、目标搜索以及自动驾驶在内的五类任务整合到同一框架中,从而消除了在复杂任务中切换模型的需求。
作为系统的认知核心,Qwen-RobotWorld使系统具备对物理世界进行推理的能力,能够预测并模拟后续的动作与状态。目前具身智能正从单一场景应用向通用化应用过渡。随着这三款模型同步发布,阿里巴巴通过解耦技术架构并整合多模态能力,有望加速异构机器人的实际部署进程。
阿里视频发布万3.0,实现超长视频生成与多维度一致性
8月24日,阿里巴巴发布了万3.0,这是其最新的视频生成大模型。此次发布标志着阿里巴巴视频技术的重大飞跃,在时长、通用创作、参考处理以及真实世界模拟方面实现了显著提升。万3.0将单视频生成的时长扩展至30秒,在单个镜头内提供了更为丰富的叙事可能性。它还引入了对多种主流文件格式的支持——包括doc、xls、ppt、pdf和md——使得文本、表格和幻灯片能够直接转换为动态视觉内容。为了解决视觉不一致和风格漂移等常见挑战,万3.0在微观层面确保了高度的稳定性。它在角色外观、道具细节、音频设置、空间关系
MiniMax大模型误读姓名——稀宇科技:特定Token后训练不足
MiniMax 最近发布了一份技术报告,详细解释了其 M2 系列模型为何难以准确生成“马嘉祺”等特定名称。这一看似错误的现象凸显了当前大语言模型训练中存在的系统性缺陷。Token 偏移:被挤压的向量空间根本原因在于分词器(tokenizer),即文本处理的基本单位。例如,名称“马嘉祺”被拆分为两个 Token:“Ma”和“Jiaqi”。虽然模型在预训练阶段学习了这些 Token,但在随后的指令微调阶段出现了问题。在微调期间,Token “Jiaqi”在对话数据中出现的频率极低,因此几乎未接受任何
英伟达H200中国交易在特朗普与习近平峰会后得以保留,但结果与预期不符
特朗普总统前往北京,黄仁勋在最后一刻加入了代表团,两天后离京时仅就芯片出口的潜在进展发表了含糊其辞的言论。双方未达成任何协议。自特朗普于2025年12月首次批准销售以来,尚未有一颗英伟达H200芯片进入中国。 美国贸易代表杰米森·格里尔向彭博社证实,半导体限制措施甚至未被列入双边议程。在峰会的盛况之下,隐藏着更重大的转变。H200芯片的供应受阻并非源于华盛顿的拒绝;美国实际上已经批准了出口。 包括





首页






