A Alibaba não está construindo um robô desta vez. A equipe Qwen quer criar a camada de software que um robô pode carregar: a Qwen-Robot Suite, com três modelos para navegação, manipulação e previsão do mundo.
O posicionamento é o ponto. Os modelos foram pensados para rodar em hardware de outros, como AgileX, Franka, Universal Robots e Unitree. O “momento Android dos robôs” é uma base comum de software, não um novo corpo.
Três modelos, três tarefas
Qwen-RobotNav cuida de movimento: seguir instruções, ir a pontos definidos, buscar objetos, rastrear alvos e dirigir de forma autônoma. Foi treinado com 15,6 milhões de amostras e reporta 76,5% de sucesso no VLN-CE RxR e 90% no tracking EVT-Bench.
Qwen-RobotManip cuida das mãos. Baseado no Qwen3.5-4B VL, mira a transferência de habilidades entre robôs com action spaces incompatíveis. Usou cerca de 38.100 horas de dados abertos e sintéticos e ficou em primeiro no RoboChallenge Table30-v1, 20% acima do melhor método anterior.
Qwen-RobotWorld cuida da previsão. É um modelo de vídeo world que usa linguagem natural como interface de ação e prevê como a cena física muda a seguir. Foi treinado em 8,6 milhões de pares vídeo-texto, cerca de 200 milhões de frames.
A analogia com Android faz sentido
A Alibaba não quer possuir todos os corpos robóticos. Ela quer a base comum de software que muitos corpos possam instalar. Por isso dados abertos e transferência entre hardwares estão no centro do anúncio.
A parte difícil vem depois da demo. Ruído de sensores, drift de atuadores e casos de borda de fábrica são mais duros que benchmarks. A suíte é uma tentativa séria de ocupar a camada operacional dos robôs, não prova de que robôs gerais estejam resolvidos.
Fontes: Decrypt, South China Morning Post, GIGAZINE, CocoLoop; a checagem cobriu o lançamento de 16 de junho, RobotNav, RobotManip, RobotWorld, dados de treino, números de benchmark e plataformas robóticas compatíveis.