VLA 模型仅论文

Qwen-VLA

Qwen Team中国

GitHub 仓库 QwenLM/Qwen-VLA

返回项目库
类别
VLA 模型
开放程度
仅论文
发布时间
2026 年 5 月
发布方所在地
中国

项目简介

Qwen-VLA 是阿里巴巴 Qwen 团队的通用视觉-语言-动作模型,由 Qwen3.5-4B 视觉语言骨干和 1.15B 参数的 DiT 流匹配动作解码器组成。它把操作、导航、第一视角动作建模和轨迹预测统一到同一动作与轨迹预测框架中,一套权重通过提示词适配多个机器人平台。训练包括大规模动作预训练、多模态继续预训练、监督微调和强化学习。官方仓库目前只有技术报告和演示,未放出代码和权重。

规模
Qwen3.5-4B 视觉语言骨干 + 1.15B 参数 DiT 流匹配动作解码器

适配机器人

  • ALOHA

获取方式

数据来源

本页信息均整理自以下公开资料。

3 条来源核验于 2026-10-01

星标、下载量等指标定期自动更新。

Qwen-VLA:VLA 模型介绍、GitHub 仓库与开源协议 | 具身集