Qwen 发布通用视觉-语言-动作模型 Qwen-VLA

Qwen 团队发布通用视觉-语言-动作模型 Qwen-VLA，将机器人操作与视觉语言导航统一为依据视觉观察、语言指令和机器人形态预测动作或轨迹的任务。团队称其在多项操作与导航基准、真实 ALOHA 双臂机器人及动态操控评测中取得成绩；强化学习阶段仅在 SimplerEnv 进行，真实世界长程任务和失败恢复等仍具挑战。