🤖 一个模型，搞定“看、动、走”？Qwen-VLA 让机器人告别“偏科”！

以往，机器人的抓取、导航、轨迹规划各自为战，换环境、换本体、换任务就面临能力断层。为此，通义实验室推出 Qwen-VLA——面向异构具身决策的统一视觉-语言-动作模型！


✨ 为什么值得关注？


🔹 全栈通用：从桌面精细操作到导航跟踪，7项基准中5项超越最佳专用模型；


🔹 跨本体统一建模：同一模型直接部署于单臂、双臂、人形等11种机器人平台；


🔹 真实世界鲁棒：颜色/实例/位置/背景/指令同时偏移，依然稳健执行


💡 核心技术突破：


🔸统一操作与导航轨迹预测框架，打通异构具身决策链路


🔸本体感知提示条件化，一个共享模型无缝适配多形态机器人


🔸创新 T2A（文本到动作DiT）预训练：“蒙眼练动作”，极低算力快速构建动作先验


📄 论文现已公开，欢迎围观！


论文：https://arxiv.org/pdf/2605.30280

Github：https://github.com/QwenLM/Qwen-VLA