Новости

Alibaba представила семейство embodied AI‑моделей Qwen-Robot для робототехники

Обновлено: 27 июня 2026 г.

Почему это важно

Запуск Qwen-Robot показывает стремление Alibaba напрямую связать большие языковые модели с действиями в физическом мире, а не только с цифровыми интерфейсами. Такой шаг укладывается в усиливающийся тренд крупных технологических компаний по развитию embodied AI, систем, где модели управляют роботами и взаимодействуют с окружающей средой. Для бизнеса это может сигнализировать о смещении конкуренции ИИ‑платформ из области софта в область роботизированных систем и физической автоматизации.

Alibaba объявила во вторник о выпуске серии Qwen-Robot, своего первого семейства embodied AI‑моделей, которое связывает large language models с действиями роботов в физическом мире. Линейка включает три модели, каждая из которых отвечает за отдельный уровень физического интеллекта: навигацию, манипуляции и моделирование мира.

Модель Qwen-RobotNav предназначена для visual language navigation и объединяет выполнение инструкций, point and target navigation, object tracking и autonomous driving в одной системе, обученной на 15.6 million samples. Qwen-RobotManip решает задачи роботических манипуляций с помощью visual language action architecture на базе Qwen3.5-4B VL backbone и flow-matching diffusion transformer action head; обучение проводилось на более чем 38,100 hours operational data, полностью собранных из open-source sources. Qwen-RobotWorld выступает в роли world model для физических агентов и предсказывает physics-compliant futures в сценариях manipulation, driving и navigation через natural language action interface.

В одной из демонстраций Qwen-RobotNav был развернут на квадрупедном роботе Unitree Go2 с NVIDIA Jetson Thor hardware и одной low-resolution camera. Робот перемещался по незнакомой квартире, пошагово следуя голосовым инструкциям и проходя через несколько комнат без предварительного картирования; задержка инференса составила 196 milliseconds. Также компания представила внутренний агентный фреймворк Qwen-RobotClaw, позволяющий Qwen VLM agents вызывать модели серии Qwen-Robot как инструменты физического мира и управлять контекстом и памятью долгих задач. В демонстрации агент искал в здании доступный restroom, обнаружил табличку out-of-order и самостоятельно перепланировал маршрут.

Кроме того, Alibaba открыла исходный код Chat2Robot, браузерной платформы для оценки embodied intelligence, где пользователи могут общаться с роботом и наблюдать ответы в реальном времени. Сейчас платформа поддерживает Qwen-RobotManip, обученную на 50 tasks с использованием набора данных RoboTwin-Clean dataset. По оценкам аналитиков, рынок технологий, соединяющих large language models с взаимодействием в физическом мире, может стать multi-billion dollar market within the next three years.

Ключевые факты

Alibaba представила серию embodied‑моделей Qwen-Robot, первую в компании линейку ИИ для управления роботами и взаимодействия с физической средой.
В набор входят три модели: Qwen-RobotNav для визуально-языковой навигации (обучена на 15,6 млн образцов), Qwen-RobotManip для роботизированных манипуляций и Qwen-RobotWorld как world model для физических агентов.
В демонстрации Qwen-RobotNav работала на четвероногом роботе Unitree Go2 с оборудованием NVIDIA Jetson Thor и одной камерой низкого разрешения, перемещаясь по незнакомой квартире по голосовым инструкциям с задержкой вывода 196 мс.
Alibaba также открыла платформу Chat2Robot для оценки embodied‑моделей; сейчас она поддерживает Qwen-RobotManip, обученную на 50 задачах из датасета RoboTwin-Clean.