Новости криптомира

Alibaba официально представила Qwen-Robot Suite — комплексный набор фундаментальных ИИ-моделей, предназначенных для решения задач в физической среде. В пакет вошли три ключевых компонента: Qwen-RobotNav для навигации, Qwen-RobotManip для манипуляции объектами и Qwen-RobotWorld для прогнозирования динамики сцены. Разработчики позиционируют этот стек как «полный набор для воплощенного искусственного интеллекта» (embodied AI).

Речь идет не о готовых роботах, а о программных моделях, которые позволяют физическим агентам воспринимать окружающее пространство, планировать последовательность действий и выполнять команды, сформулированные на естественном языке. По имеющейся информации, Qwen-Robot Suite уже проходит пилотное тестирование у ряда корпоративных клиентов Alibaba Cloud, работающих в сфере робототехники.

Почему Alibaba выводит Qwen в реальный мир

Традиционные большие языковые и мультимодальные модели отлично справляются с текстом, изображениями и видео, но для управления роботами этого недостаточно. Физическим агентам требуется не просто понимать команду, а переводить ее в конкретные движения, учитывая геометрию пространства, физические свойства объектов, ограничения датчиков и возможные последствия каждого действия. Именно это направление — physical AI — и пытается развивать Alibaba.

Qwen-RobotNav: универсальная навигация

Модель Qwen-RobotNav, построенная на базе Qwen3-VL, объединяет пять ключевых задач навигации в одном алгоритме: следование инструкциям, движение к заданной точке, поиск объектов, отслеживание цели и автономное вождение. Для обучения было использовано 15,6 млн образцов, связанных с планированием маршрутов и визуально-языковым рассуждением.

Результаты тестов впечатляют: 76,5% успешности на бенчмарке VLN-CE RxR и 90% на EVT-Bench. Важно отметить, что модель может выступать в качестве исполнительного модуля для более крупных агентных систем: верхнеуровневый планировщик ставит задачу, а Qwen-RobotNav отвечает за физическое перемещение и сбор визуальных доказательств.

Qwen-RobotManip: действия с объектами и перенос навыков

Qwen-RobotManip решает одну из самых сложных проблем робототехники — гетерогенность аппаратных платформ. Манипуляторы, двуручные системы, роботы с кистью и мобильные платформы используют разные координаты и форматы команд. Новая модель пытается привести все эти данные к единому представлению, позволяя переносить навыки, полученные на одном типе робота, на другой.

Обучение проводилось на более чем 38 100 часах данных, включающих 11 320 часов открытых робототехнических записей, 1933 часа видео действий человека от первого лица и 24 808 часов синтетических демонстраций. Alibaba заявляет, что Qwen-RobotManip заняла первое место в треке универсальных моделей RoboChallenge Table30 v1 и продемонстрировала устойчивость к новым инструкциям и незнакомым объектам.

Qwen-RobotWorld: модель мира, управляемая языком

Третий компонент — Qwen-RobotWorld — представляет собой видеомодель мира, которая на основе текущего наблюдения и текстовой команды генерирует вероятное будущее состояние среды. Это критически важно для планирования манипуляций, автономного вождения и создания синтетических обучающих данных.

Для обучения был собран корпус Embodied World Knowledge, включающий 8,6 млн пар «видео-текст» и более 200 млн кадров, охватывающих свыше 20 типов роботических платформ и 500 категорий действий. Модель заняла первые места в бенчмарках EWMBench и DreamGen Bench, а также превзошла все открытые аналоги в WorldModelBench и PBench. Разработчики утверждают, что Qwen-RobotWorld демонстрирует высокую согласованность с базовыми физическими законами — движением, сохранением массы и гравитацией.

Перспективы и ограничения

Несмотря на внушительные заявленные показатели, Qwen-Robot Suite остается набором исследовательских моделей, а не готовым потребительским продуктом. Реальное внедрение в промышленность сталкивается с шумом сенсоров, износом механизмов, нестандартными сценариями и ошибками восприятия. Большинство текущих тестов проводилось в симуляции или строго контролируемых условиях. Alibaba пока не раскрыла стоимость доступа, сроки публичного запуска или конкретный список клиентов, участвующих в пилоте.

Мой анализ: Alibaba делает стратегически верный шаг, переходя от чисто цифровых ИИ-моделей к физическому миру. Однако рынок воплощенного ИИ находится в зачаточном состоянии, и главным вызовом станет не столько качество моделей, сколько их интеграция с реальным, «грязным» и непредсказуемым оборудованием. Если Qwen-Robot Suite сможет решить проблему переноса навыков между разными платформами, это станет настоящим прорывом, но до массового внедрения еще далеко.