2026-06-17 00:51 UTC+8仅摘要更新: 2026-06-30 21:03 UTC+8

认识Qwen-RobotSuite：三种用于VLA操作、视频世界建模和导航的具身AI模型

Qwen团队发布了三种具身AI模型，统称为Qwen-RobotSuite。包括操作模型RobotManip（基于Qwen3.5-4B）、视频世界模型RobotWorld（60层MMDiT）和导航模型RobotNav（基于Qwen3-VL，提供2B/4B/8B版本）。本文详细介绍了每个模型的架构、数据管道和基准测试结果。

来源MarkTechPost作者: Asif Razzaq

报告错误

纠错通道尚未开通，可先复制下方文章信息留存。

查看更正说明

本文仅提供摘要

根据来源内容权限，本站仅提供编辑摘要、要点和原文链接。

展开要点与分析

文章情报

工程师进阶

要点

Qwen-RobotSuite包含三个独立的基础模型：RobotManip、RobotWorld和RobotNav。
RobotManip通过统一对齐框架解决了操作数据的异构性问题，在多个OOD基准上取得了SOTA。
RobotWorld使用语言作为统一动作接口，预测未来视频轨迹，在EWMBench和DreamGen Bench上排名第一。
RobotNav暴露参数化接口，支持多种导航任务，在VLN-CE和EVT-Bench上表现优异。

要点与分析由自动化流程生成，可能有误，请结合原始来源核实。