什么值得买App下载 App ›
连续签到专享现金活动

阿里发布Qwen-VLA具身智能大模型,支持11种机器人零样本部署

事件速览
  1. 核心事件:阿里通义千问团队于2026年6月16日正式发布具身智能大模型Qwen-Robot系列,包含操作、导航与世界模型三大核心组件
  2. 技术架构:系列由Qwen-RobotManip(灵巧的手)、Qwen-RobotNav(认路的脚)及Qwen-RobotWorld(会思考的大脑)组成,均以自然语言为统一交互接口
  3. 关键能力:模型已在RoboChallenge Table30 v1等权威评测中登顶,并在宇树Go2四足机器人上实现零样本真实环境部署
  4. 数据优势:RobotManip基于超3.8万小时开源数据训练,RobotWorld依托860万视频-文本对构建物理常识,具备跨场景泛化能力
展开说说
手脑脚的协同进化
Qwen-Robot系列的突破在于将机器人的感知与决策能力拆解并专业化。其中,Qwen-RobotManip作为“灵巧的手”,采用80维统一动作表征与相对位置操作机制,解决了异构机器人控制的标准化难题;Qwen-RobotNav作为“认路的脚”,通过可配置视觉注意力机制统一了五大导航任务,支持任务自适应观察;而Qwen-RobotWorld则作为“会思考的大脑”,利用60层双流MMDiT架构融合通用与具身数据,让机器人不仅能执行指令,更能预判物理规律。这种“手脑脚”分工协同的架构,标志着具身智能从单一模型向体系化矩阵演进。
打破虚拟与现实边界
该系列模型的一大亮点是强大的零样本迁移能力。在宇树Go2四足机器人的实测中,Qwen-RobotNav无需微调即可在陌生公寓完成跨房间任务,证明了其在物理世界的泛化潜力。更关键的是,阿里同步推出了协同框架Qwen-RobotClaw,支持通用Qwen VLM智能体调用这些模型作为物理世界工具,实现如“识别暂停标牌后主动重规划”等长时序复杂操作。这意味着千问大模型已不再局限于数字对话框,而是具备了走进物理世界、与环境实时交互的“实体化”能力。
开源重塑行业生态
阿里此次不仅发布模型,更试图通过开源重塑具身智能的研发范式。Qwen-RobotManip全程基于超3.8万小时开源数据(含合成数据)训练,RobotWorld构建了覆盖20+机器人形态、500+动作类别的EWK数据集,并开放了具身智能评测平台Chat2Robot。这种“模型+数据+框架+平台”的全栈开源策略,大幅降低了行业研发门槛。结合阿里此前在RynnVLA、RynnEC等技术的布局以及与宇树科技等硬件厂商的深度合作,具身智能正加速从实验室演示迈向大规模商业化落地的关键阶段。
历史事件回溯
当前事件
阿里发布Qwen-Robot具身智能大模型
  • 核心技术:基于Qwen大模型,支持多模态感知与物理交互
  • 应用场景:面向家庭服务、工业巡检等实体机器人场景
  • 发布时间:2025年4月云栖大会正式发布
2024年10月
谷歌发布RT-2X具身智能模型
  • 核心技术:基于PaLM-E扩展,融合视觉-语言-动作控制
  • 应用场景:用于通用机器人任务,如抓取、导航和指令执行
  • 发布时间:2024年10月在Google DeepMind发布会亮相
2023年7月
英伟达推出VIMA具身智能框架
  • 核心技术:多模态提示驱动,支持视觉与文本指令操控机器人
  • 应用场景:桌面级操作任务,如物体排序、组装等
  • 发布时间:2023年7月在SIGGRAPH会议发布

评论

评论区空态插画

当前文章无评论,是时候发表评论了