Alibaba представила Qwen‑Robot Suite для роботів

Alibaba представила Qwen‑Robot Suite — набір програмних моделей для керування роботами в фізичному середовищі. Комплект включає три моделі: Qwen‑RobotNav для навігації, Qwen‑RobotManip для фізичних дій з об’єктами і Qwen‑RobotWorld для прогнозування майбутнього стану сцени. Набір доступний у форматі програмних моделей і наразі тестується в пілотах у корпоративних клієнтів Alibaba Cloud.

Qwen‑RobotNav об’єднує п’ять груп завдань: виконання інструкцій, рух до заданої точки, пошук об’єктів, відстеження цілі і автономне водіння. Модель створена на базі Qwen3‑VL і навчена на 15,6 мільйона зразків, пов’язаних з плануванням маршрутів та візуально‑мовним міркуванням. За наведеними даними, вона показала 76,5% на VLN‑CE RxR і 90% на EVT‑Bench. Alibaba описує RobotNav як підсистему для агентних архітектур: верхній рівень формує задачу, а RobotNav реалізує переміщення.

Qwen‑RobotManip призначена для захоплення, переміщення і розміщення предметів та для перенесення навичок між різними роботизованими платформами. Для навчання використано понад 38 100 годин даних: 11 320 годин відкритих робототехнічних датасетів, 1 933 години відео від першої особи з діями людини і 24 808 годин синтетичних роботичних демонстрацій, згенерованих на основі перших двох типів даних. У змаганні RoboChallenge Table30 v1 модель посіла перше місце в треку універсальних моделей. За даними компанії, RobotManip демонструє стійкість до нових інструкцій, робіт з незнайомими об’єктами і перенесення навичок між платформами.

Qwen‑RobotWorld — мовленнєво-керована відеомодель світу, що генерує ймовірні майбутні стани сцени після виконання дії. Для навчання сформовано корпус Embodied World Knowledge, який містить 8,6 мільйона пар «відео‑текст» і понад 200 мільйонів кадрів, охоплюючи більше як 20 типів роботизованих платформ і понад 500 категорій дій. Компанія повідомляє про перші місця в EWMBench і DreamGen Bench та про перевагу над відкритими моделями в WorldModelBench і PBench. У технічному описі вказано відповідність моделі базовим фізичним закономірностям, зокрема руху, збереженню маси і впливу гравітації.

Alibaba демонструє сценарії використання, наприклад пошук загубленого предмета в приміщенні, перевірку стану об’єктів у будівлі і збір візуальних доказів для користувача. Компанія повідомляє про пілотні випробування у деяких корпоративних клієнтів Alibaba Cloud, але не оприлюднила перелік цих клієнтів.

Набір представлено як сукупність програмних моделей, а не як готову споживчу робототехнічну платформу. Alibaba вказує на технічні обмеження для реальних впроваджень: шум сенсорів, знос приводів, помилки сприйняття і рідкісні ситуації, які складно змоделювати. Багато тестів проводили в симуляціях або в контрольованих умовах. Компанія не розкрила вартість доступу до пакета і точні строки публічного запуску. У квітні Alibaba Cloud представила агентну модель Qwen3.6‑Plus з контекстним вікном на мільйон токенів і підтримкою зовнішніх інструментів; Qwen‑Robot Suite позиціяується як подальший розвиток лінійки моделей Qwen для застосунків у фізичному середовищі.