알리바바가 이번에 만든 것은 로봇 본체가 아니다. Qwen 팀은 로봇이 탑재할 수 있는 소프트웨어 계층, 즉 내비게이션·조작·세계 예측을 나눈 Qwen-Robot Suite를 내놓았다.
핵심은 위치다. 이 모델들은 AgileX, Franka, Universal Robots, Unitree 같은 다른 회사의 하드웨어 위에서 움직이는 것을 전제로 한다. 알리바바가 말하는 “로봇의 안드로이드 순간”은 새 기체가 아니라 공통 운영층을 뜻한다.
세 모델의 분업
Qwen-RobotNav는 이동을 담당한다. 지시 따르기, 목표 지점 이동, 물체 찾기, 대상 추적, 자율주행을 한 모델에 묶었다. 1560만 샘플로 훈련됐고 VLN-CE RxR 성공률 76.5%, EVT-Bench 추적 90%를 보고했다.
Qwen-RobotManip은 손을 담당한다. Qwen3.5-4B VL 기반으로, 로봇마다 다른 action space 때문에 기술이 옮겨가지 않는 문제를 겨냥한다. 약 3.81만 시간의 공개·합성 데이터를 사용했고 RoboChallenge Table30-v1에서 기존 최고보다 20% 높은 성과를 냈다.
Qwen-RobotWorld는 예측을 맡는다. 자연어를 행동 인터페이스로 삼아 물리 세계가 다음에 어떻게 변할지 예측하는 비디오 세계 모델이며, 860만 비디오-텍스트 쌍, 약 2억 프레임으로 훈련됐다.
안드로이드 비유가 말하는 것
알리바바는 모든 로봇 몸체를 직접 만들려는 것이 아니다. 여러 몸체가 설치할 수 있는 공통 소프트웨어 기반을 잡으려 한다. 그래서 오픈 데이터와 하드웨어 간 전이가 발표의 중심에 있다.
진짜 어려움은 데모 이후다. 센서 노이즈, 액추에이터 드리프트, 공장의 예외 상황은 벤치마크보다 거칠다. 이 발표는 범용 로봇이 해결됐다는 증거가 아니라, 로봇 운영층을 차지하려는 진지한 시도에 가깝다.
출처: Decrypt, South China Morning Post, GIGAZINE, CocoLoop; 6월16일 Qwen-Robot Suite 발표, RobotNav, RobotManip, RobotWorld, 훈련 데이터, 벤치마크 수치와 지원 로봇 플랫폼을 확인.