Qwen 发布通用机器人操作基础模型 Qwen-RobotManip

Qwen 团队发布基于 Qwen-VL 构建的通用视觉-语言-动作基础模型 Qwen-RobotManip，并称其使用仅来自开源机器人数据和人类演示视频的逾 38,100 小时预训练语料，覆盖 15 种机器人构型。文章报告模型在分布外仿真与真实机器人任务上的表现，并说明具身智能仍面临长时序任务、失败恢复和持续学习等开放难题。