アリババが具身AIモデルシリーズを発表した

アリババグループ（BABA-W）は、同社初の具現化AI（Embodied AI、物理世界で行動するAI）に特化した包括的な基盤モデルシリーズ「Qwen-Robot」を発表しました。このシリーズはロボットが現実世界で稼働するための認知および動作能力を統合的に提供することを目指しており、同社の「Qwen（通義千問）」モデルファミリーが物理空間へと本格拡張したことを示しています。

1. ロボットの「手・足・脳」を司る3つの主要モデル

Qwen-Robotシリーズは、特定の役割を持つ3つのコアモデルで構成されています。

• Qwen-RobotManip: ロボットの「手」に相当し、器用な操作を実行するためのビジョン・ランゲージ・アクション（VLA）モデルです。
• Qwen-RobotNav: ロボットの「足」に相当し、移動管理のためのビジョン・ランゲージ・ナビゲーション（VLN）モデルです。
• Qwen-RobotWorld: ロボットの「脳」に相当し、高度な認知処理と推論を担うビデオ・ワールド・モデルです。

2. 現実世界のユースケースへの導入と検証

これらのモデルは、個別に機能するだけでなく、組み合わせて協調動作させることが可能です。これにより、さまざまな形状や目的のロボットに対し、信頼性の高い共通のAI基盤を提供できます。アリババはすでに、アリババクラウドを利用するロボティクス分野の主要な企業顧客と連携し、現実世界の環境下でのパイロットテストを開始したことを明らかにしています。

アリババによる「Qwen-Robot」の発表は、従来のデジタル空間における大規模言語モデルから、物理世界での相互作用を伴う具現化AIへのパラダイムシフトを象徴しています。ロボット制御における各要素をモデル化したことで、開発企業は一から制御AIを開発する必要がなくなり、開発スピードの飛躍的な向上が期待されます。