Qwen-RobotSuiteのご紹介：VLA操作、ビデオワールドモデリング、ナビゲーションのための3つの具現化AIモデル

Qwenチームは、操作、ワールドモデリング、ナビゲーションを対象とした3つの具現化AIモデルからなるQwen-RobotSuiteをリリースしました。RobotManipはQwen3.5-4BをベースにしたVision-Language-Actionモデルで、統一アライメントフレームワークにより操作データを拡張します。RobotWorldは60層のMMDiTを備えた言語条件付きビデオワールドモデルで、将来のビデオフレームを予測します。RobotNavはQwen3-VLをベースにしたナビゲーションモデルで、複数のタスクモードに対応するパラメータ化されたインターフェースを備えています。このスイートは、いくつかのベンチマークで最先端の結果を達成しています。