Alibaba presenta Qwen-Robot Suite: un stack completo de IA para el control de robots en el mundo físico
Alibaba ha anunciado oficialmente Qwen-Robot Suite, un conjunto integral de modelos de IA diseñados para controlar robots y resolver tareas en entornos físicos. El paquete incluye tres modelos clave: Qwen-RobotNav para navegación, Qwen-RobotManip para manipulación de objetos y Qwen-RobotWorld para predecir la evolución de escenas. Los desarrolladores posicionan este proyecto como un "stack completo para inteligencia artificial encarnada".
No se trata de robots listos para usar, sino de modelos de software que permiten a los agentes físicos percibir el entorno, planificar sus acciones y ejecutar comandos dados en lenguaje natural. Actualmente, Qwen-Robot Suite ya está realizando pruebas piloto con varios clientes corporativos de Alibaba Cloud que trabajan en el campo de la robótica.
Por qué Alibaba lleva Qwen al mundo físico
Los grandes modelos de lenguaje y multimodales actuales manejan bien texto, imágenes y videos, pero para los robots esto no es suficiente. Los agentes físicos no solo necesitan entender un comando, sino también traducirlo en movimiento, teniendo en cuenta el espacio, las propiedades de los objetos, las limitaciones de los sensores y las posibles consecuencias. Alibaba denomina a este enfoque IA física, o "IA encarnada", donde el modelo trabaja no solo con datos digitales, sino también con la realidad física.
Qwen-RobotNav: navegación universal
El modelo Qwen-RobotNav se encarga de la navegación y combina cinco tareas clave: seguir instrucciones, moverse hacia un punto determinado, buscar objetos, rastrear objetivos y conducción autónoma. Construido sobre la base de Qwen3-VL, está entrenado con 15,6 millones de muestras relacionadas con la planificación de rutas y el razonamiento visual-lingüístico.
Los resultados son impresionantes: 76,5% de éxito en el benchmark VLN-CE RxR (navegación por instrucciones de lenguaje) y 90% en EVT-Bench (seguimiento de objetivos en movimiento). Cabe destacar que el modelo puede actuar como herramienta para sistemas de agentes más grandes, donde un modelo de alto nivel planifica la tarea y Qwen-RobotNav se encarga del desplazamiento físico.
Qwen-RobotManip: trabajo con objetos
El modelo Qwen-RobotManip está diseñado para acciones físicas con objetos: agarrar, mover y colocar elementos. Uno de los principales problemas en robótica es la diferencia en la descripción de acciones entre distintos tipos de robots. Los manipuladores, las plataformas bimanuales y los sistemas móviles utilizan diferentes coordenadas y formatos de comandos. Qwen-RobotManip resuelve este problema unificando los datos en una representación común, lo que permite transferir habilidades entre diferentes dispositivos.
Para entrenar el modelo se utilizaron más de 38.100 horas de datos, incluyendo 11.320 horas de datos robóticos abiertos, 1.933 horas de videos de acciones humanas en primera persona y 24.808 horas de demostraciones sintéticas. El modelo ya ha ocupado el primer lugar en el RoboChallenge Table30 v1 en la categoría de modelos universales y demuestra resistencia a nuevas instrucciones y objetos desconocidos.
Qwen-RobotWorld: modelo del mundo para predicción
Qwen-RobotWorld es un modelo de video del mundo controlado por lenguaje natural. Recibe la observación actual y un comando de texto, y luego genera el estado futuro probable del entorno. Esto puede aplicarse para manipulación, conducción autónoma, navegación y creación de datos de entrenamiento sintéticos.
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 EWMBench y DreamGen Bench, superando a todos los análogos abiertos en WorldModelBench y PBench.
Aún falta para los robots masivos
A pesar de las impresionantes declaraciones, Qwen-Robot Suite sigue siendo un conjunto de modelos, no una plataforma de consumo lista para usar. La implementación real se enfrenta al ruido de los sensores, el desgaste de los actuadores y una enorme cantidad de escenarios poco comunes. Muchos benchmarks se realizan en simulación o en condiciones experimentales limitadas. Alibaba tampoco ha revelado el costo de acceso ni las fechas de lanzamiento público.
Opinión del experto: Desde un punto de vista técnico, Qwen-Robot Suite es un avance significativo en el campo de la IA encarnada. Sin embargo, como ocurre con cualquier modelo fundamental, el desafío clave seguirá siendo la transición de entornos de laboratorio controlados al mundo real, con su caos e imprevisibilidad. Inversores y desarrolladores deberían seguir de cerca la rapidez con la que Alibaba pueda escalar estas soluciones más allá de los proyectos piloto.