← すべてのモデル

Qwen-RobotManip

公開日 提供元 Alibaba

モデルの位置づけ

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)

能力と用途

  • 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。未知の場面や指示への汎化、異なるロボット形態への転移を目指しています。
  • 単腕・双腕などの異なるロボットの状態と行動を共通表現にそろえ、複数のデータソースを用いて学習します。事前学習データは約38,100時間で、人の作業動画から15種類のロボット形態向けに合成したデータを含みます。(github.com)
  • 物体の把持・移動などの操作に利用できます。公式デモでは、Qwen-Omniがタスクを提案・評価し、本モデルが実行を担当しました。また、Qwen-3.5を上位プランナーとして組み合わせる長期タスクの例も示されています。(alibabacloud.com)

制限と提供状況

公式リポジトリによると、現時点でモデル重みの公開予定はありません。Alibaba Cloudは、ロボット分野の一部の企業顧客を対象にQwen-Robot Suiteの試験利用を開始したと説明しています。実機評価やデモでの結果は、すべてのロボットや現場での性能を保証するものではありません。(github.com)

料金

2026年11月16日に、中国本土向けと国際向けのAlibaba Cloud公式料金表を確認しましたが、本モデル固有の料金は確認できませんでした。入力・出力それぞれの課金方式、単価、単位も未確認です。中国本土向け公式料金表/国際向け公式料金表。(help.aliyun.com)

発表日と公式情報