Ein Roboterarm kann tausende Stunden Schrauben trainieren und verliert viel davon, sobald er auf einen anders gebauten Arm wechselt. Genau diesen Kostenblock nimmt Alibabas Qwen-Team ins Visier.
Eine gemeinsame Aktionssprache
RobotManip verdichtet Aktionen verschiedener Roboter in einen 80-dimensionalen Standard-Aktionsvektor und nutzt Schalter, um aktive Dimensionen zu wählen. Bewegung als relative Verschiebung aus Kamerasicht gibt unterschiedlichen Armen eine gemeinsame Sprache.
Daher stammt die Kernzahl: Der Transfer über Konfigurationen steigt von bisher 7,5% auf 23,9%. Auch andere Held-out-Tests verbessern sich, darunter 91,4% auf LIBERO-Plus, 69,4% auf RoboTwin-C2R hard und 45,6% auf EBench.
Drei Modelle, nicht eines
RobotNav deckt Instruktionsfolge, Zielnavigation, Objektsuche, Tracking und autonomes Fahren ab. RobotWorld nutzt ein eingefrorenes Qwen2.5-VL plus einen 20B Diffusion Transformer, um künftige Frames vor der Aktion zu imaginieren.
Die eigentliche Geschichte steckt in den Daten
Der praktischste Teil ist vielleicht Datenreinigung. Ein Subset soll 81% der Segmente wegen Aktionssprüngen, Timingfehlern und Ausreißern verworfen haben. Wenn das in Produktionslinien trägt, geht es nicht um eine klügere Demo, sondern um Skills, die Körper wechseln können.
Quellen: MarkTechPost, TechNode, CocoLoop; geprüft wurden die drei Qwen-Robotermodelle, 23,9% Transfererfolg, Benchmark-Zahlen, 38.100 Stunden Manipulationsdaten sowie der Open-Source-Status von RobotManip und RobotNav.