Qwen团队近日宣布推出一套全新的机器人套件，包含Qwen-RobotNav、Qwen-RobotManip与Qwen-RobotWorld三大基础模型。这一创新成果标志着语言与物理动作的深度融合迈入新阶段，为机器人执行复杂任务提供了更智能的解决方案。
Qwen-RobotNav专注于移动控制领域，通过可控观测编码和工具接口技术，将视觉语言能力转化为精准的移动指令。该模型实现了指令跟随、点/目标导航、目标追踪和自动驾驶四类任务的统一处理，使机器人能够根据语言指令完成动态环境中的路径规划与实时调整。
在操作控制方面，Qwen-RobotManip通过标准化状态-动作空间和末端执行器增量位姿计算，构建了视觉语言与机械臂控制的桥梁。基于超过38,100小时的开源数据语料库，该模型支持多机型训练，能够准确理解"抓取左侧杯子"或"调整工具角度"等复杂操作指令。
Qwen-RobotWorld则开创性地引入自然语言动作接口，将视觉语言能力扩展至世界动态预测。该模型突破单一场景限制，可同时处理操作、驾驶和导航场景下的物理规律预测，例如通过语言描述就能模拟"推倒积木后其他物体的运动轨迹"等复杂物理现象。
三大模型均采用语言优先接口设计，可与通用大模型无缝对接组成物理智能体系统。实际测试中，Qwen团队已验证该系统能完成从语言理解到物理任务执行的完整闭环，包括实时任务分解、多步骤推理和自主纠错能力。例如当机器人执行"将红色方块移到蓝色区域"任务时，若途中遇到障碍物，系统会自动重新规划路径并调整操作策略。
