Qwen 发布 Qwen-RobotWorld 具身世界模型

Qwen 团队发布 Qwen-RobotWorld 具身世界模型，以自然语言作为统一动作接口，将操作、自动驾驶与室内导航纳入同一模型联合训练。模型采用双流 MMDiT 架构，理解流用冻结的 Qwen2.5-VL 编码语言动作，生成流处理视频 VAE 隐变量，两条流逐层联合注意力交互。