据午方 AI 消息，阿里巴巴大模型团队正式披露了 Qwen-Robot Suite 机器人智能基础模型套件，该套件旨在通过整合视觉语言模型与物理动作，赋予机器人在多任务处理及复杂场景下的泛化能力。套件核心由 Qwen-RobotNav、Qwen-RobotManip 及 Qwen-RobotWorld 三大基础模型构成，分别对应导航、操控与世界模拟功能。

在导航领域，Qwen-RobotNav 经 1560 万样本训练，通过参数化视觉注意力策略动态调整推理过程中的信息使用，已在 Yushu Go2 四足机器人上实现最佳性能应用。操控模型 Qwen-RobotManip 基于 Qwen3.5-4B 骨干网络构建，利用超 38,100 小时的多源数据训练，在 LIBERO-Plus 评估中达成 91.4% 的成功率。世界模拟模型 Qwen-RobotWorld 则采用 60 层双流 MMDiT 结构，深度融合语义表示与视频隐含信息，在物理规律遵从性评估中表现优异。

此外，配套推出的 Qwen-RobotClaw 框架允许上层规划系统将上述模型作为物理工具执行多步骤操作。