Qwen-RobotWorld
Qwen-RobotWorldは、身体性を持つAI向けの、自然言語で条件付けられる動画世界モデルです。現在の視覚的な観測と自然言語による行動指示から、物理的に妥当な将来の視覚軌道を予測します。Qwen-Robot Suiteを構成するモデルの一つです。(alibabacloud.com) ロボットの物体操作、自動運転、屋内ナビゲーション、人の実演からロボットへの動作転移を対象とします。 指示中の物…
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
Qwen-RobotWorldは、身体性を持つAI向けの、自然言語で条件付けられる動画世界モデルです。現在の視覚的な観測と自然言語による行動指示から、物理的に妥当な将来の視覚軌道を予測します。Qwen-Robot Suiteを構成するモデルの一つです。(alibabacloud.com) ロボットの物体操作、自動運転、屋内ナビゲーション、人の実演からロボットへの動作転移を対象とします。 指示中の物…
Qwen-RobotManipは、Qwen-Robot Suiteのうち、ロボットによる物体操作を担う視覚・言語・行動(VLA)基盤モデルです。Qwen3.5-4Bの視覚言語バックボーンと、連続的な行動を生成するフローマッチング方式のDiffusion Transformerを組み合わせています。(qwen.ai) 視覚情報と自然言語の指示に基づき、ロボットの操作行動を生成します。未知の場面や指示…
Qwen-RobotNavは、Qwen-Robot Suiteに含まれる、移動ロボット向けの視覚・言語・ナビゲーションモデルです。Qwen3-VLを基盤とし、上位のエージェントから呼び出せるナビゲーション機能として設計されています。(alibabacloud.com) 自然言語の指示に従った移動、地点・物体を目標とするナビゲーション、対象追跡、自動運転を共通の軌道予測インターフェースで扱います。(…
Tencent Robotics XとTencent Hy Teamによる、ロボット操作向けの視覚・言語・行動(VLA)モデル。Hy-Embodied-0.5-VLA-UMIを基に、RoboTwin 2.0の双腕操作50タスクで教師ありファインチューニングしたチェックポイントです。モデルカードには約50億パラメータと記載されています。(huggingface.co) 画像、ロボットの状態、自然言語…
Hy-Embodied-0.5-VLA-UMIは、Tencent Robotics XとTencent Hy Teamが開発した視覚・言語・行動(VLA)システムの事前学習済みチェックポイントです。対象ロボットやタスクに合わせてファインチューニングするための汎用的な出発点として公開されています。公開日は2026年6月15日です。(github.com) 画像、言語指示、ロボットの状態を扱い、連続的…