نماذج الروبوتات الجديدة من Qwen تتجاوز الاختصار المعتاد للذكاء الاصطناعي

أصدرت مجموعة أبحاث Qwen التابعة لشركة Alibaba ثلاثة نماذج أساسية للروبوتات ونموذجًا عالميًا لبيئات الوكيل يوم الأربعاء، مما يمثل انفصالًا واضحًا بين نماذج الرؤية واللغة العامة والبنى المبنية من الصفر للعمل الجسدي.أفق التحقق: لماذا أصبح التحقق من وكلاء البرمجة أصعب من…

تتكون مجموعة Qwen-Robot Suite من ثلاثة نماذج متميزة. يتولى Qwen-RobotNav مهمة الملاحة. ويتولى Qwen-RobotManip مهمة المناولة. وQwen-RobotWorld هو نموذج عالمي يحاكي الفيزياء المجسدة. إلى جانبها يوجد Qwen-AgentWorld، وهو نموذج عالمي قائم على اللغة مصمم لمحاكاة تفاعل الوكيل عبر سبعة مجالات مثل بيئات البحث والطرفية وهندسة البرمجيات.الاختناق الحقيقي في وكلاء سطح المكتب المعتمدين على…

"تمنح عائلة نماذج Qwen الأساسية بالفعل إدراكًا قويًا واستدلالًا حول العالم المادي. لكن الرؤية ليست فعلًا،" كما كتب الفريق في منشور مدونة. "لا تزال الفجوة بين فهم الرؤية واللغة والتحكم المادي تمثل العائق المركزي أمام الذكاء المجسد."

تكمن أهمية هذا التمييز في أن معظم الأبحاث الحالية في الذكاء الاصطناعي للروبوتات تأخذ نماذج LLM العامة أو نماذج توليد الفيديو وتكيفها مع المهام الجسدية. تقوم Qwen بتدريب كل نموذج من مرحلة ما قبل التدريب المستمرة فصاعدًا مع اعتبار نمذجة البيئة الهدف الأصلي، وليس تكيفًا لاحقًا فوق LLM مدرب على النص. يتعلم Qwen-RobotNav الملاحة كمهمته الأساسية بدلاً من إعادة استخدام قدرة نموذج لغوي على وصف المسارات.Fast-LeWM: التنبؤ بالبادئة الموازية للأفعال يقلل من…

تم التحقق من صحة Qwen-RobotManip عبر منصات روبوتية حقيقية متعددة ومهام. في مسار موضح، يراقب Qwen-Omni مشهدًا، ويقترح مهام مناولة عبر الكلام، ويحكم على التنفيذ في الوقت الفعلي، دون قائمة مهام محددة مسبقًا. يُظهر كل فيديو النموذج وهو يكمل المهام أثناء التنقل، مما يشير إلى اتباع تعليمات مفتوحة النهاية وتعميم عبر بيئات غير مألوفة.

يتناول نموذج العالم عائقًا مختلفًا ولكنه مرتبط. تنقسم نماذج العالم الحالية إلى معسكرين غير مرضيين: نماذج توليد الفيديو العامة التي تتعلم أوليات بصرية غنية ولكنها تفتقر إلى فهم الفيزياء المجسدة، والنماذج الخاصة بالمجال الدقيقة ولكنها لا تستطيع التعميم خارج سيناريو ضيق. يهدف Qwen-RobotWorld إلى طريق وسطي، نموذج واحد يتمتع بقدر كافٍ من العمومية عبر البيئات المادية مع الحفاظ على الفيزياء المهمة للتحكم في الروبوتات.مينيماكس تطلق نموذج الفيديو Hailuo 2.3 مع تحسينات في…

في الوقت نفسه، يحاكي Qwen-AgentWorld بيئات للوكلاء اللغويين بدلاً من الروبوتات المادية، ويغطي التفاعلات النصية عبر مجالات MCP والبحث والطرفية وSWE. تم تدريب النموذج مع نمذجة البيئة كهدفه من مرحلة ما قبل التدريب المستمرة فصاعدًا، وهو نفس مبدأ التصميم الذي يحكم مجموعة الروبوتات.أداة IBM مفتوحة المصدر CUGA تتجاوز التعقيدات وتذهب…

تأتي هذه الإصدارات في وقت تشتد فيه المنافسة في مجال الذكاء الاصطناعي للروبوتات. تعمل Google DeepMind على نماذج أساسية للروبوتات، ولا يزال محاكاة العالم المادي مجالًا حدوديًا حيث نشر عدد قليل من الفرق معايير قابلة للتكرار. قررت Qwen إصدار المجموعة دون ورقة بحثية مقابلة، على الأقل ليس بعد، مما قد يحبط بعض الباحثين، على الرغم من أن الفريق جعل فيديوهات التحقق متاحة تُظهر أداء الروبوت الحقيقي.

التوقيت ملحوظ. تستمر نماذج Qwen اللغوية الأساسية في الأداء القوي في معايير NLP القياسية، لكن مجموعة الروبوتات تشير إلى أن المختبر يرى فهم العالم المادي كجبهة تنافسية تالية، حيث لا تكفي براعة النماذج اللغوية وحدها. يعتمد ما إذا كان النهج المبني خصيصًا يتفوق على النماذج العامة المُكيَّفة على معايير لم يقم مجتمع الروبوتات بعد بتوحيدها.

قد يجد Qwen-AgentWorld، كونه قائمًا على اللغة فقط، مسارًا أسرع للاعتماد: بيئات محاكاة الوكيل مطلوبة بشدة بينما تندفع الشركات لاختبار الوكلاء المستقلين قبل نشرهم في الإنتاج. يمكن لنموذج واحد يغطي بروتوكولات البحث والطرفية وSWE وMCP أن يقلل من الأعباء الأداتية التي تواجهها الفرق حاليًا عند تجميع أدوات الاختبار.