Qwen-RobotManip: 로봇 조작 VLA 파운데이션 모델 기술 보고서
Alibaba Qwen 팀이 로봇 조작 전용 시각-언어-행동(VLA) 파운데이션 모델 Qwen-RobotManip(arXiv 2606.17846)을 발표했다. Qwen-VL을 기반으로 표현·모션·행동 세 차원의 통합 정렬 프레임워크를 도입했으며, 오픈소스 데이터셋과 인간 동영상만으로 구성된 약 38,100시간 규모의 사전훈련 코퍼스를 활용했다. RoboChallenge 1위를 달성하고 기존 SOTA 모델 π0.5 대비 20% 상대적 성능 향상을 기록했으며, 모든 OOD 설정에서 이전 최고 성능 모델을 상회한다고 보고했다.
원문 보기