Un bras robotique peut apprendre à visser pendant des milliers d’heures puis perdre l’essentiel en changeant de bras. L’équipe Qwen d’Alibaba vise précisément ce coût.
Un langage d’action commun
RobotManip compresse les actions de robots différents dans un vecteur standard de 80 dimensions et utilise des commutateurs pour choisir les dimensions actives. Décrire le mouvement comme déplacement relatif vu par la caméra donne une langue commune aux bras.
Le chiffre clé vient de là : le transfert entre configurations passe du meilleur résultat précédent, 7,5%, à 23,9%. D’autres tests non vus montent aussi, dont LIBERO-Plus 91,4%, RoboTwin-C2R hard 69,4% et EBench 45,6%.
Trois modèles, pas un
RobotNav couvre consigne, navigation vers cible, recherche d’objet, suivi et conduite autonome. RobotWorld utilise Qwen2.5-VL gelé plus un diffusion Transformer 20B pour imaginer les frames futures avant l’action.
La vraie histoire est dans les données
La partie la plus pratique est peut-être le nettoyage des données. Un sous-ensemble aurait rejeté 81% des segments pour sauts d’action, erreurs temporelles et outliers. Si cela passe en production, la valeur n’est pas une démo plus brillante, mais des compétences transférables entre corps.
Sources : MarkTechPost, TechNode, CocoLoop ; vérification des trois modèles robotiques Qwen, du transfert à 23,9%, des benchmarks, des 38 100 heures de données de manipulation et du statut open source de RobotManip et RobotNav.