模型定位
Qwen-RobotWorld 是面向具身智慧的語言條件式影片世界模型,也是 Qwen-Robot Suite 的一員。它根據目前的視覺觀察與自然語言動作指令,生成對未來場景變化的視覺預測,而非直接輸出機器人控制訊號。(arxiv.org)
能力與用途
- 以自然語言作為共通動作介面,涵蓋機器人操作、自動駕駛、室內導航及人類示範向機器人遷移等場景。
- 可生成 2–4 個同步視角的影片;Scene2Robot 可將人類示範轉換為不同機器人形態的合成影片。
- 可用於產生策略訓練資料、建立策略評估用的虛擬環境,以及為下游機器人控制提供規劃訊號。(alibabacloud.com)
技術與限制
模型採雙流多模態擴散 Transformer,並使用凍結的 Qwen2.5-VL 編碼動作語意。訓練資料包含約 860 萬組影片與文字配對、超過 2 億影格。(alibabacloud.com)
生成結果是對可能未來的模擬,不能保證完全符合物理規律或真實場景;實際機器人部署仍需獨立的控制、安全驗證與監督。已查閱資料未能核實此模型的公開 API ID、權重取得方式或授權條件。(arxiv.org)
發布日期
2026 年 6 月 15 日;技術報告於當日提交。阿里雲轉載的官方模型介紹日期為 2026 年 6 月 17 日。(arxiv.org)
價格
截至 2026 年 11 月 16 日,查閱中國大陸官方百鍊價格頁與國際站 Model Studio 價格頁,均未核實 Qwen-RobotWorld 專屬報價;輸入與輸出如何計費及其單位亦未核實。不以其他模型的價格替代。(help.aliyun.com)
官方來源
- Qwen 原始公告:已嘗試讀取,但頁面未提供可讀正文。
- 阿里雲官方模型介紹:已讀取正文。
- Qwen-RobotWorld 技術報告。
- 阿里雲百鍊中國大陸價格頁;阿里雲國際站價格頁。