Alibaba lleva la IA al mundo físico: presenta el conjunto de modelos Qwen-Robot Suite para el control de robots
Alibaba presentó oficialmente Qwen-Robot Suite, un conjunto integral de modelos fundamentales de IA diseñados para resolver tareas en entornos físicos. El paquete incluye tres componentes clave: Qwen-RobotNav para navegación, Qwen-RobotManip para manipulación de objetos y Qwen-RobotWorld para predicción de la dinámica de escenas. Los desarrolladores posicionan esta pila como un "conjunto completo para inteligencia artificial encarnada" (embodied AI).
No se trata de robots listos para usar, sino de modelos de software que permiten a los agentes físicos percibir el espacio circundante, planificar secuencias de acciones y ejecutar comandos formulados en lenguaje natural. Según la información disponible, Qwen-Robot Suite ya está en pruebas piloto con varios clientes corporativos de Alibaba Cloud que trabajan en el campo de la robótica.
Por qué Alibaba lleva Qwen al mundo real
Los modelos tradicionales de lenguaje grande y multimodales manejan bien texto, imágenes y video, pero esto no es suficiente para controlar robots. Los agentes físicos no solo necesitan entender un comando, sino traducirlo en movimientos concretos, teniendo en cuenta la geometría del espacio, las propiedades físicas de los objetos, las limitaciones de los sensores y las posibles consecuencias de cada acción. Es precisamente esta dirección —physical AI— la que Alibaba intenta desarrollar.
Qwen-RobotNav: navegación universal
El modelo Qwen-RobotNav, basado en Qwen3-VL, unifica cinco tareas clave de navegación en un solo algoritmo: seguir instrucciones, moverse hacia un punto determinado, buscar objetos, rastrear objetivos y conducción autónoma. Para el entrenamiento se utilizaron 15,6 millones de muestras relacionadas con la planificación de rutas y el razonamiento visual-lingüístico.
Los resultados de las pruebas son impresionantes: 76,5% de éxito en el benchmark VLN-CE RxR y 90% en EVT-Bench. Es importante destacar que el modelo puede actuar como módulo ejecutivo para sistemas de agentes más grandes: un planificador de alto nivel establece la tarea, mientras que Qwen-RobotNav se encarga del movimiento físico y la recopilación de evidencia visual.
Qwen-RobotManip: acciones con objetos y transferencia de habilidades
Qwen-RobotManip aborda uno de los problemas más complejos de la robótica: la heterogeneidad de las plataformas de hardware. Manipuladores, sistemas bimanuales, robots con pinza y plataformas móviles utilizan diferentes coordenadas y formatos de comandos. El nuevo modelo intenta unificar todos estos datos en una representación común, permitiendo transferir habilidades adquiridas en un tipo de robot a otro.
El entrenamiento se realizó con más de 38 100 horas de datos, incluyendo 11 320 horas de grabaciones robóticas abiertas, 1933 horas de videos de acciones humanas en primera persona y 24 808 horas de demostraciones sintéticas. Alibaba afirma que Qwen-RobotManip ocupó el primer lugar en la pista de modelos universales RoboChallenge Table30 v1 y demostró resistencia a nuevas instrucciones y objetos desconocidos.
Qwen-RobotWorld: modelo del mundo guiado por lenguaje
El tercer componente, Qwen-RobotWorld, es un modelo de mundo en video que, basándose en la observación actual y un comando de texto, genera el estado futuro probable del entorno. Esto es crítico para la planificación de manipulaciones, la conducción autónoma y la creación de datos sintéticos de entrenamiento.
Para el entrenamiento se recopiló el corpus Embodied World Knowledge, que incluye 8,6 millones de pares "video-texto" y más de 200 millones de fotogramas, abarcando más de 20 tipos de plataformas robóticas y 500 categorías de acciones. El modelo ocupó los primeros lugares en los benchmarks EWMBench y DreamGen Bench, y superó a todos los análogos abiertos en WorldModelBench y PBench. Los desarrolladores afirman que Qwen-RobotWorld muestra una alta coherencia con las leyes físicas básicas: movimiento, conservación de masa y gravedad.
Perspectivas y limitaciones
A pesar de las impresionantes cifras declaradas, Qwen-Robot Suite sigue siendo un conjunto de modelos de investigación, no un producto de consumo listo para usar. La implementación real en la industria se enfrenta a ruido de sensores, desgaste mecánico, escenarios no estándar y errores de percepción. La mayoría de las pruebas actuales se realizaron en simulación o en condiciones estrictamente controladas. Alibaba aún no ha revelado el costo de acceso, los plazos de lanzamiento público ni la lista específica de clientes que participan en el piloto.
Mi análisis: Alibaba da un paso estratégicamente acertado al pasar de modelos de IA puramente digitales al mundo físico. Sin embargo, el mercado de la IA encarnada está en sus inicios, y el principal desafío no será tanto la calidad de los modelos como su integración con equipos reales, "sucios" e impredecibles. Si Qwen-Robot Suite logra resolver el problema de la transferencia de habilidades entre diferentes plataformas, esto será un verdadero avance, pero aún queda un largo camino hasta la implementación masiva.