北京
2026年6月16日
今日，阿里巴巴正式對外發(fā)布千問具身智能大模型 Qwen-Robot 系列。
這是千問大模型家族首個面向具身智能領域的完整模型產(chǎn)品線，旨在通過標準化接口，解決不同形態(tài)機器人在移動、操作及環(huán)境預測上的底層通用問題。
該系列由三款核心大模型組成，分別對應機器人的執(zhí)行操作、移動導航與物理世界模擬能力，既支持獨立部署，也能夠組合協(xié)同運轉。
拆解 Qwen-Robot 三大核心模型
長期以來，具身智能領域受限于不同硬件形態(tài)的控制差異，難以形成統(tǒng)一的技術底座。此次發(fā)布的 Qwen-Robot 系列試圖通過“視覺語言能力（VL）接入控制系統(tǒng)”的思路，實現(xiàn)跨場景和跨機型的通用化：
- Qwen-RobotNav（移動模型）： 作為智能體的行動模塊，該模型通過可控觀測編碼和工具接口，將視覺語言能力接入移動控制。其核心技術突破在于統(tǒng)一了指令跟隨、點/目標導航、目標追蹤和自動駕駛四類原本獨立的任務，為機器人的移動和路線規(guī)劃提供了基礎技術支持。
- Qwen-RobotManip（操作模型）： 該模型聚焦于機器人的肢體交互。通過規(guī)范狀態(tài)-動作空間以及相機坐標系下的末端執(zhí)行器增量位姿，它將視覺語言能力引入具體的機械操作中。值得注意的是，該模型基于超過 38,100 小時完全由開源數(shù)據(jù)構建的語料庫進行了訓練，具備了一定的跨多機型泛化能力。
- Qwen-RobotWorld（世界模型）： 作為環(huán)境預測的“模擬器”，該模型通過自然語言動作接口，將視覺語言能力引入世界動態(tài)預測中。它允許機器人在同一個模型框架下，跨操作、駕駛和導航等不同場景，去預測符合實際物理規(guī)律的未來變化。
技術背景與行業(yè)落地探討
就在上個月（5月20日），阿里巴巴剛剛發(fā)布了全新旗艦模型 Qwen3.7-Max。在第三方機構 Arena 的全球大模型盲測總榜中，Qwen3.7-Max 的測試表現(xiàn)超過了 Kimi-K2.6、DeepSeek-v4-pro、GLM-5.1，在國產(chǎn)模型中位列第一，并逐步接近 GPT、Claude、Gemini 等國際前列模型的水平。
本次 Qwen-Robot 系列的推出，實際上是阿里將其在大語言模型上的積累，向物理世界延伸的一次技術嘗試。
行業(yè)觀察：
傳統(tǒng)機器人開發(fā)往往面臨“一機一物理模型”的煙囪式局限，硬件形態(tài)（如雙足、四足、機械臂等）的差異使得算法難以通用。
Qwen-Robot 系列通過將視覺、語言和動作（VLA）進行標準化融合，為行業(yè)提供了一種“通用底座”的解題思路。
不過，大模型在虛擬環(huán)境中的預測，與真實物理世界的實時精密控制（如毫秒級響應、力控反饋）之間，依然存在產(chǎn)業(yè)公認的落地鴻溝。Qwen-Robot 實際的表現(xiàn)如何，仍需等待其在工業(yè)制造、商用物流及服務機器人等具體場景中的實際量產(chǎn)與檢驗。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
