機械アームが何千時間もかけてねじ締めを覚えても、別の構造のアームに移すと多くを失う。Alibaba の Qwen チームが狙うのは、まさにそのコストの高い部分だ。
共通の動作言語
RobotManip は異なるロボットの動作を80次元の標準アクションベクトルへ圧縮し、どの次元を使うかをスイッチで決める。カメラ視点から見た相対変位で動きを表すため、別のアームにも共通語ができる。
見出しになる数字はここから来る。機体構成をまたぐ転移成功率は従来最良の7.5%から23.9%へ上がった。LIBERO-Plus 91.4%、RoboTwin-C2R hard 69.4%、EBench 45.6%など、未見タスクでも改善が報告されている。
一つではなく三つのモデル
RobotNav は指示追従、目標地点移動、物体探索、追跡、自動運転を扱う。RobotWorld は凍結した Qwen2.5-VL と20Bの拡散 Transformer を使い、動く前に未来フレームを想像する。
本当の主戦場はデータ
実務で効きそうなのはデータ洗浄だ。あるサブセットでは、動作の跳び、時系列ずれ、外れ値を理由に81%の断片が捨てられた。もし生産ラインへ移るなら、価値は賢いデモではなく、身体をまたいで運べる技能にある。
参考資料：MarkTechPost、TechNode、CocoLoop；三つの Qwen ロボットモデル、23.9%の転移成功率、ベンチマーク値、3.81万時間の操作データ、RobotManip と RobotNav の公開状態を確認。