模型发布档案

最新发布模型

聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。

按发布时间倒序7 种语言
清除

5 个模型

按发布时间倒序
Alibaba

Qwen-RobotWorld

Qwen-RobotWorld 是面向具身智能的语言条件视频世界模型,属于 Qwen-Robot Suite。它以当前视觉观测和自然语言动作描述为条件,预测未来视觉轨迹,而不是通用文本聊天模型。(alibabacloud.com) **视频世界建模:**根据语言指令生成场景后续变化,覆盖机器人操作、自动驾驶、室内导航和人类示范到机器人场景的迁移。(arxiv.org) **指令与视角:**官方展示…

了解模型简体中文
Alibaba

Qwen-RobotManip

Qwen-RobotManip 是面向机器人操作的通用视觉—语言—动作(VLA)基础模型,基于 Qwen3.5-4B 视觉语言骨干和流匹配 Diffusion Transformer 动作专家,将视觉感知和语言理解连接到连续动作生成。(github.com) 接收多视角观测、语言指令、机器人形态提示及执行上下文,生成连续动作片段,可用于抓取、放置、双臂协作和精细操作等任务。 官方展示了对新场景、未…

了解模型简体中文
Alibaba

Qwen-RobotNav

Qwen-RobotNav 是 Qwen-Robot Suite 中面向具身智能和智能体导航的可扩展视觉语言导航模型,基于 Qwen3-VL 构建。它通过统一的航点预测接口,将视觉理解和语言指令连接到移动导航任务。(github.com) **多任务导航:**覆盖视觉语言指令跟随、点目标和物体目标导航、目标追踪、自动驾驶及具身问答,可用于移动机器人导航和长程任务系统。(github.com) **…

了解模型简体中文
Tencent

Hy-Embodied-0.5-VLA-RoboTwin

Hy-Embodied-0.5-VLA-RoboTwin 是腾讯 Robotics X 与混元团队发布的视觉—语言—动作(VLA)模型检查点。它以 Hy-Embodied-0.5-VLA 为基础,在 RoboTwin 2.0 的 50 项双臂操作任务上进行了监督微调,主要面向机器人操作研究和仿真评测。(huggingface.co) 结合视觉观测、自然语言指令和历史帧,生成连续机器人动作块;架构使…

了解模型简体中文
Tencent

Hy-Embodied-0.5-VLA-UMI

Hy-Embodied-0.5-VLA-UMI 是腾讯 Hy-Embodied-0.5-VLA 具身智能系统的 UMI 预训练权重,面向机器人视觉—语言—动作(VLA)学习,作为适配目标机器人和任务时进一步微调的通用起点。它不是同系列针对 RoboTwin 2.0 任务后训练的 RoboTwin 权重。(huggingface.co) 结合视觉观测、自然语言任务指令和机器人状态,生成连续机器人动作…

了解模型简体中文