← 全部模型

Qwen-RobotManip

发布时间 发布主体 Alibaba

模型定位

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)

能力与用途

  • 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、未见过的指令和不同机器人形态的泛化,以及抓取失败后的重试行为。跨形态适配和复杂任务表现取决于具体数据、平台和评测设置。
  • 预训练语料约 38,100 小时,包含机器人数据、第一人称人类操作视频及人到机器人合成数据。(qwen.ai)

限制与可用性

  • 官方仓库表示目前没有发布 Qwen-RobotManip 模型权重的计划;公开 API 模型 ID 未核实。
  • 官方评测不代表在所有机器人、场景或任务中都能可靠完成操作;实际部署需要针对具体硬件和环境验证。(github.com)

发布日期

输入资料标注 2026-06-15;但 Qwen-RobotManip 专项官方公告显示 2026-06-16。因此,模型公告日期以 2026-06-16 为准,不能将输入日期直接视为已核实的模型发布日期。(qwen.ai)

价格

截至 2026-11-16,查询阿里云国内站人民币价格表及国际站美元价格表,均未查到可核实的 Qwen-RobotManip 专属报价;输入和输出的计费方式及单价均未核实。Qwen3.5-4B 等其他模型的价格不能代替本模型价格。(help.aliyun.com)

官方来源