Lần này Alibaba không chế tạo robot. Nhóm Qwen đang xây một lớp phần mềm mà robot có thể mang theo: Qwen-Robot Suite gồm ba mô hình cho điều hướng, thao tác và dự đoán thế giới.
Vị trí của nó mới là điểm chính. Các mô hình được thiết kế để chạy trên phần cứng của AgileX, Franka, Universal Robots, Unitree và những hãng khác. “Khoảnh khắc Android của robot” ở đây không phải một thân máy mới, mà là lớp nền phần mềm chung.
Ba mô hình, ba nhiệm vụ
Qwen-RobotNav xử lý di chuyển: làm theo lệnh, đi tới điểm chỉ định, tìm vật thể, theo dõi mục tiêu và tự lái. Nó dùng 15,6 triệu mẫu huấn luyện, đạt 76,5% success rate trên VLN-CE RxR và 90% trên tác vụ tracking EVT-Bench.
Qwen-RobotManip xử lý thao tác. Dựa trên Qwen3.5-4B VL, nó nhắm vào vấn đề skill khó chuyển giữa các robot có action space khác nhau. Dữ liệu khoảng 38.100 giờ từ nguồn mở và tổng hợp; kết quả đứng đầu RoboChallenge Table30-v1, cao hơn 20% so với phương pháp tốt nhất trước đó.
Qwen-RobotWorld xử lý dự đoán. Đây là mô hình video world dùng ngôn ngữ tự nhiên làm interface hành động rồi dự đoán cảnh vật lý tiếp theo, được huấn luyện trên 8,6 triệu cặp video-văn bản, khoảng 200 triệu frame.
Ẩn dụ Android có lý
Alibaba không muốn sở hữu mọi thân robot. Họ muốn nắm lớp phần mềm chung mà nhiều thân máy có thể cài. Vì vậy dữ liệu mở và chuyển giao qua phần cứng là trọng tâm của bản phát hành.
Phần khó bắt đầu sau demo. Cảm biến nhiễu, actuator trôi và các ngoại lệ trong nhà máy đều khắc nghiệt hơn benchmark. Bộ suite này là nỗ lực nghiêm túc để giành lớp vận hành robot, chưa phải bằng chứng robot phổ dụng đã được giải quyết.
Nguồn tham khảo: Decrypt, South China Morning Post, GIGAZINE, CocoLoop; kiểm chứng bản phát hành Qwen-Robot Suite ngày 16 tháng 6, RobotNav, RobotManip, RobotWorld, dữ liệu huấn luyện, số benchmark và nền tảng robot hỗ trợ.