Alibaba no está construyendo un robot esta vez. El equipo Qwen intenta crear la capa de software que un robot pueda llevar: Qwen-Robot Suite, con tres modelos para navegación, manipulación y predicción del mundo.
El posicionamiento importa. Los modelos están pensados para correr sobre hardware de otros, incluidos AgileX, Franka, Universal Robots y Unitree. El “momento Android de los robots” habla de una base común de software, no de un cuerpo nuevo.
Tres modelos, tres trabajos
Qwen-RobotNav se encarga del movimiento: seguir instrucciones, ir a puntos, buscar objetos, rastrear objetivos y conducción autónoma. Fue entrenado con 15,6 millones de muestras y reporta 76,5% de éxito en VLN-CE RxR y 90% en tracking EVT-Bench.
Qwen-RobotManip se encarga de las manos. Basado en Qwen3.5-4B VL, busca transferir habilidades entre robots cuyos action spaces normalmente no coinciden. Usó unas 38.100 horas de datos abiertos y sintéticos y quedó primero en RoboChallenge Table30-v1, 20% por encima del mejor método previo.
Qwen-RobotWorld se encarga de la predicción. Es un modelo de video world que usa lenguaje natural como interfaz de acción y predice cómo cambia la escena física. Se entrenó con 8,6 millones de pares video-texto, unos 200 millones de frames.
La analogía con Android tiene sentido
Alibaba no quiere poseer todos los cuerpos robóticos. Quiere la base común de software que muchos cuerpos puedan instalar. Por eso los datos abiertos y la transferencia entre hardware son centrales.
Lo difícil empieza después de la demo. Ruido de sensores, deriva de actuadores y casos límite de fábrica son más duros que los benchmarks. La suite es una apuesta seria por la capa operativa robótica, no una prueba de que los robots generales estén resueltos.
Fuentes: Decrypt, South China Morning Post, GIGAZINE, CocoLoop; se verificó el lanzamiento del 16 de junio, RobotNav, RobotManip, RobotWorld, datos de entrenamiento, cifras de benchmark y plataformas robóticas compatibles.