阿里刚刚放出了其首个千问具身智能体通用模型：Qwen-Robot ，也开始搞具身智能了！

Qwen-Robot由三个模型组成机器人的手+脚+大脑，三个模型可以独立用，也可以组合用

比如，用它可以组成一个既能动手端盘子，又能走路送餐，还能预判端着热汤拐弯儿会不会洒的服务机器人

Qwen-RobotManip：
其采用80维统一动作表征，把不同机器人的动作翻译成同一种通用语言，并基于摄像头画面的相对位置操作，不再依赖繁琐的绝对坐标计算，解决了换个机械臂、换个场景数据不通用的情况

Qwen-RobotNav：
核心思路是把视觉分配策略本身参数化，而非固定，具体解法是把记多少、怎么记变成可调参数，根据任务类型自动配置，不同任务按需配置，比如目标追踪只关注最近几帧省算力，指令跟随保留长程上下文不迷路

因为记忆策略参数化了，一套权重即统一五类导航任务

在双层智能体系统（上层规划器+Qwen-RobotNav）中，EXPRESS-Bench提升15.4%，导航步数减少了77%

通用接口设计，其他上层AI可以直接调用它的导航能力，无需再为每个任务单独训练一个导航模型，原生支持多种智能体框架

Qwen-RobotWorld：相当于机器人的想象力

基于对物理规律的理解，可推理和模拟下一时间点的合理动作和状态；能生成视频数据用于训练，缓解训练数据不足问题；可以在执行前推演未来动作轨迹，使操作更精准

Qwen-Robot相当于是一套模块化的具身智能系统，把导航、操作、世界预测三个专业的能力解耦又协同，让通用模型像调用软件工具一样，调用物理世界的行动能力

Qwen-RobotNav： http://t.cn/AXapdTmL
Qwen-RobotManip： http://t.cn/AXapdTm2
Qwen-RobotWorld： http://t.cn/AXapdTmA

#阿里具身智能##qwenrobot##AI机器人##robot# http://t.cn/AXapdmlB