Новини криптоміра

Alibaba офіційно анонсувала Qwen-Robot Suite — комплексний набір ШІ-моделей, призначених для керування роботами та вирішення завдань у фізичному середовищі. До пакету увійшли три ключові моделі: Qwen-RobotNav для навігації, Qwen-RobotManip для маніпуляції об'єктами та Qwen-RobotWorld для прогнозування розвитку сцени. Розробники позиціонують цей проєкт як «повний стек для втіленого штучного інтелекту».

Йдеться не про готових роботів, а про програмні моделі, які дозволяють фізичним агентам сприймати навколишнє середовище, планувати свої дії та виконувати команди, віддані природною мовою. Вже зараз Qwen-Robot Suite проходить пілотні випробування у низки корпоративних клієнтів Alibaba Cloud, які працюють у сфері робототехніки.

Навіщо Alibaba виводить Qwen у фізичний світ

Сучасні великі мовні та мультимодальні моделі чудово справляються з текстом, зображеннями та відео, але для роботів цього недостатньо. Фізичним агентам потрібно не просто розуміти команду, а й перекладати її в рух, враховуючи простір, властивості об'єктів, обмеження сенсорів та можливі наслідки. Alibaba називає цей напрямок physical AI, або «втіленим ШІ», де модель працює не лише з цифровими даними, а й із фізичною реальністю.

Qwen-RobotNav: універсальна навігація

Модель Qwen-RobotNav відповідає за навігацію та об'єднує п'ять ключових завдань: слідування інструкціям, рух до заданої точки, пошук об'єктів, відстеження цілі та автономне водіння. Побудована на базі Qwen3-VL, вона навчена на 15,6 мільйона зразків, пов'язаних із плануванням маршрутів та візуально-мовним міркуванням.

Результати вражають: 76,5% успішності на бенчмарку VLN-CE RxR (навігація за мовними інструкціями) та 90% на EVT-Bench (відстеження рухомих цілей). Примітно, що модель може виступати в ролі інструменту для більших агентних систем, де верхньорівнева модель планує завдання, а Qwen-RobotNav відповідає за фізичне переміщення.

Qwen-RobotManip: робота з об'єктами

Модель Qwen-RobotManip призначена для фізичних дій з об'єктами: захоплення, переміщення та розміщення предметів. Одна з головних проблем у робототехніці — відмінність в описі дій різними типами роботів. Маніпулятори, дворучні платформи та мобільні системи використовують різні координати та формати команд. Qwen-RobotManip вирішує це завдання, приводячи дані до єдиного представлення, що дозволяє переносити навички між різними пристроями.

Для навчання моделі було використано понад 38 100 годин даних, включаючи 11 320 годин відкритих робототехнічних даних, 1933 години відео дій людини від першої особи та 24 808 годин синтетичних демонстрацій. Модель уже посіла перше місце в RoboChallenge Table30 v1 у треку універсальних моделей та демонструє стійкість до нових інструкцій і незнайомих об'єктів.

Qwen-RobotWorld: модель світу для прогнозування

Qwen-RobotWorld являє собою відеомодель світу, керовану природною мовою. Вона отримує поточне спостереження та текстову команду, після чого генерує ймовірний майбутній стан середовища. Це може застосовуватися для маніпуляцій, автономного водіння, навігації та створення синтетичних навчальних даних.

Для навчання було зібрано корпус Embodied World Knowledge, що включає 8,6 мільйона пар «відео-текст» та понад 200 мільйонів кадрів, охоплюючи понад 20 типів роботизованих платформ і 500 категорій дій. Модель посіла перші місця в EWMBench та DreamGen Bench, перевершивши всі відкриті аналоги в WorldModelBench та PBench.

До масових роботів ще далеко

Незважаючи на вражаючі заяви, Qwen-Robot Suite поки залишається набором моделей, а не готовою споживчою платформою. Реальне впровадження стикається з шумом сенсорів, зносом приводів та величезною кількістю рідкісних сценаріїв. Багато бенчмарків проводяться в симуляції або обмежених експериментальних умовах. Alibaba також не розкрила вартість доступу та терміни публічного запуску.

Думка експерта: З технічної точки зору, Qwen-Robot Suite — це значний крок вперед у галузі втіленого ШІ. Однак, як і у випадку з будь-якими фундаментальними моделями, ключовим викликом залишиться перехід від контрольованих лабораторних умов до реального світу з його хаосом та непередбачуваністю. Інвесторам та розробникам варто уважно стежити за тим, як швидко Alibaba зможе масштабувати ці рішення за межі пілотних проєктів.