Qwen-Robot Suite:
Alibaba'nın Fiziksel Dünya Hamlesi — ve Sahadaki Robot Go2.
Alibaba'nın Qwen ekibi, Haziran 2026'da embodied AI'a üç temel modelle girdi: navigasyon (RobotNav), manipülasyon (RobotManip) ve dünya modeli (RobotWorld). Paketin en çarpıcı saha gösterimi bir Unitree Go2 üzerinde: yalnız dahili kamerayla, hiç görmediği evde sözlü komutla oda oda gezinme. Bu rehberde: üç modelin Türkçe analizi, doğrulanmış erişilebilirlik durumu ve DreamDojo ile karşılaştırma.
Paketin Üç Modeli: Navigasyon, Manipülasyon, Dünya Modeli
Ortak fikir: üç model de dil-öncelikli arayüz sunar; genel amaçlı Qwen modelleri bunları "fiziksel dünya aracı" olarak çağırıp uzun ufuklu görevleri parçalayarak yürütebilir (Qwen-RobotClaw ajan iskeleti).
Qwen-RobotNav
Qwen3-VL tabanlı; talimat takibi, nesne-hedef arama, hedef izleme, otonom sürüş ve gömülü soru-cevabı (EQA) tek ağırlık setinde birleştirir. 15,6 milyon örnekle eğitildi; 2B/4B/8B boyutları var. 4 eksenli 'kontrollü gözlem protokolü' (token bütçesi, zamansal sönüm, kamera ağırlıkları, kare örnekleme) çıkarım anında ayarlanabilir.
5 görev ailesi tek modelde — VLN-CE RxR %76,5 SR · NAVSIM 91,4 PDMS
Qwen-RobotManip
Qwen3.5-4B görsel-dil omurgası + flow-matching DiT eylem kafası. 80 boyutlu birleşik durum-eylem uzayı ve kamera-çerçevesi delta pozlarla 15 embodiment'ı hizalar; insan videosundan robot gösterimi sentezleyen Human-to-Robot hattıyla toplam 38.100+ saat açık kaynak veriyle eğitildi.
RoboChallenge Table30 generalist #1 (%45 SR) · LIBERO-Plus %91,4
Qwen-RobotWorld
Eylemleri doğal dille ifade eden dil-koşullu dünya modeli: farklı robot gövdelerinin ayrışan eylem uzayları tek dil arayüzünde birleşir. 20+ embodiment ve 500+ eylem kategorisi, 8,6M video-metin çifti (200M+ kare) üzerinde birlikte eğitildi; 60 katmanlı çift-akış MMDiT + Qwen2.5-VL eylem enkoderi.
EWMBench 1. (hareket sadakati +%33) · DreamGen Bench 1.
Benchmark değerleri Qwen ekibinin blog ve teknik rapor beyanlarıdır.
Harita yok, LiDAR yok: dahili kamerayla sesli komut takibi
Alibaba'nın raporuna göre Qwen-RobotNav, bir Unitree Go2'ye sıfır-atış dağıtıldı: hiçbir ortam-özel ince ayar yapılmadan, robotun yalnızca dahili düşük çözünürlüklü kamerası kullanılarak, NVIDIA Jetson Thor üzerinde 196 ms gecikmeyle (5,1 Hz) çalıştı. Robot, daha önce hiç görmediği bir evde "yatak odasından salona git" tarzı sözlü talimatları adım adım uyguladı; bir sergi salonunda 21,78 metrelik rotayı dille gidip, ters komutla geri izledi.
Bunun distribütör gözünden anlamı net: dil komutlu navigasyon araştırmasının referans donanımı artık Go2 sınıfı — ve aynı ağırlık seti, rapora göre NAVSIM'de otonom sürüşe de hizmet ediyor (91,4 PDMS). VLN/EQA çalışan Türk ekipleri için Go2 EDU, bu literatüre açılan en erişilebilir kapı.
Demonun robotu Türkiye'de
Unitree Go2, Türkiye yetkili distribütörü Robotlar.org'da Go2 Air $5.300'den, araştırma sınıfı Go2 EDU (Jetson + SDK) $9.700'den başlayan fiyatlarla: 4-6 hafta teslimat, 1 yıl garanti, 81 ilde servis.
Erişilebilirlik Durumu (Temmuz 2026 itibarıyla doğrulandı)
- —Model ağırlıkları yayınlanmadı; QwenLM GitHub README'lerinde 'ağırlıkları yayınlama planı şu an yok' ifadesi açıkça yer alıyor.
- —GitHub depoları (RobotNav, RobotManip) yalnızca README + görsellerden oluşuyor; eğitim/çıkarım kodu ve lisans dosyası yok. RobotWorld'ün deposu hiç yok.
- —Üç teknik rapor arXiv'de açık: RobotNav (2606.18112), RobotManip (2606.17846), RobotWorld (2606.17030).
- —Erişim modeli: seçili Alibaba Cloud kurumsal müşterileriyle pilot; tarayıcıdan denenebilen tek parça Chat2Robot demosu (yalnız RobotManip, 50 görevlik sınırlı politika).
- —Go2 dağıtım rakamları (dahili kamera, Jetson Thor, 196 ms) Alibaba'nın kendi raporundan — ağırlıklar kapalı olduğundan bağımsız replikasyon henüz mümkün değil.
Bu rehber, erişim modeli değiştikçe güncellenmektedir.
Qwen-RobotWorld mü, NVIDIA DreamDojo mu?
İki dev de aynı soruya cevap arıyor — "bu eylemi yaparsam dünya nasıl görünür?" — ama zıt stratejilerle. Aşağıdaki kıyas, iki yaklaşımın kamuya açık beyanlarından derlenmiştir; dünya modeli kavramının temelleri için DreamDojo rehberimize bakın.
| Boyut | NVIDIA DreamDojo | Qwen-RobotWorld |
|---|---|---|
| Erişim | Kod Apache-2.0 + ağırlıklar HuggingFace'te indirilebilir | Yalnız teknik rapor — ağırlık ve kod yayınlanmadı |
| Eylem arayüzü | 32 boyutlu öğrenilmiş latent eylemler | Doğal dil komutları |
| Ön-eğitim verisi | 44.711 saat egosantrik insan videosu | 8,6M video-metin çifti, 200M+ kare |
| Embodiment kapsamı | 4 resmî robot (Unitree G1 dahil) | 20+ embodiment, 500+ eylem kategorisi |
| Bugün deneyebilir misiniz? | Evet — kendi GPU'nuzda post-train/çıkarım | Hayır — Alibaba Cloud kurumsal pilotu |
| Unitree bağı | G1 resmî embodiment (post-train checkpoint'leri) | RobotNav'ın saha demosu Go2 üzerinde |
Bu araştırma alanına bugün nereden başlanır?
Qwen paketinin ağırlıkları kapalı — ama işaret ettiği araştırma hattı (dil komutlu navigasyon, VLA manipülasyonu, dünya modelleri) açık araçlarla bugün çalışılabilir durumda. Doğru donanım tabanı da belli.
Navigasyon araştırması: Go2 EDU
Qwen-RobotNav'ın saha robotu sınıfı: Go2 EDU, NVIDIA Jetson işlem gücü, açık SDK ve ROS2 desteğiyle VLN/EQA deneyleri için hazır platformdur ($9.700'den). Kamera-tabanlı navigasyon literatürünün açık modelleri bu donanımda koşturulabilir.
Dünya modeli & VLA tarafı: açık ekosistem
Elinizle deneyebileceğiniz açık alternatifler bugün NVIDIA tarafında: DreamDojo (G1 resmî embodiment) ve GR00T hattı. Teleoperasyonla veri toplama, simülasyon kurulumu ve G1/G1-D tedariki için ekibimiz uçtan uca destek verir.
Sıkça Sorulan Sorular
Qwen-Robot Suite nedir?
Alibaba'nın Qwen ekibinin (Tongyi Lab) 16 Haziran 2026'da duyurduğu, fiziksel dünya zekâsına yönelik üç temel modelden oluşan pakettir: Qwen-RobotNav (navigasyon — dil komutuyla hedef bulma, takip, otonom sürüş), Qwen-RobotManip (manipülasyon — 38.100+ saat veriyle eğitilmiş VLA politikası) ve Qwen-RobotWorld (dil-koşullu dünya modeli). Üçü de dil-öncelikli arayüzler sunar; genel amaçlı Qwen modelleri bunları 'fiziksel dünya aracı' olarak çağırabilir.
Unitree Go2 demosu neden önemli?
Alibaba'nın raporuna göre Qwen-RobotNav, bir Unitree Go2 dört ayaklı robotuna sıfır-atış dağıtıldı: robot yalnızca dahili düşük çözünürlüklü kamerasını kullanarak, NVIDIA Jetson Thor üzerinde 196 ms gecikmeyle (5,1 Hz), hiç görmediği bir evde sözlü komutları takip edip odalar arasında gezindi. Yani harita yok, LiDAR yok, ortama özel ince ayar yok. Demoda kullanılan robot, Türkiye'de yetkili distribütör olarak sunduğumuz Go2 ile aynı modeldir.
Modellerin ağırlıkları veya kodu açık mı?
Hayır. Üç teknik rapor arXiv'de açık olsa da model ağırlıkları yayınlanmadı; QwenLM GitHub depoları yalnızca README içeriyor ve 'ağırlıkları yayınlama planı şu an yok' ifadesi açıkça yer alıyor. Qwen-RobotWorld'ün deposu dahi yok. Erişim, seçili Alibaba Cloud kurumsal müşterileriyle pilot düzeyinde yürüyor. Tarayıcıdan denenebilen tek parça, D-Robotics destekli Chat2Robot demosudur (yalnız RobotManip).
Qwen-RobotWorld ile NVIDIA DreamDojo'nun farkı nedir?
İkisi de robotik için dünya modeli, ama felsefeleri zıt: DreamDojo kod (Apache-2.0) ve ağırlıklarıyla açık, 44.711 saat egosantrik insan videosuyla eğitilmiş ve 32 boyutlu latent eylem arayüzü kullanıyor; Unitree G1 resmî embodiment'larından biri. Qwen-RobotWorld ise eylemleri doğal dille ifade ederek 20+ embodiment'ı tek modelde birleştiriyor (8,6M video-metin çifti) fakat yalnızca rapor olarak açık — ağırlık yok. Bugün elinizle deneyebileceğiniz taraf DreamDojo'dur; ayrıntılar DreamDojo rehberimizde.
Qwen-RobotManip'in öne çıkan sonuçları neler?
Qwen3.5-4B görsel-dil omurgası + flow-matching DiT eylem kafasıyla kurulu VLA modeli; 80 boyutlu birleşik durum-eylem uzayı ve kamera-çerçevesi delta pozlarla 15 embodiment'ı hizalıyor. Yalnızca açık kaynak veriyle (11.320 sa robot + 1.933 sa insan videosu + 24.808 sa insan-videosundan sentezlenmiş robot gösterimi) eğitildi. Blog beyanına göre LIBERO-Plus'ta %91,4, RoboChallenge Table30 generalist kategorisinde %45 başarıyla 1. sırada. Anahtar bulgusu sektör için ders niteliğinde: hizalama olmadan veri ölçeği işe yaramıyor.
Bu paket Türkiye'deki bir ekip için bugün ne ifade ediyor?
İki şey: (1) Yön göstergesi — dil komutlu navigasyonun Go2 sınıfı bir robotta, yalnız dahili kamerayla çalışabildiği artık büyük bir laboratuvar tarafından raporlandı; VLN araştırması yapan ekipler için Go2/Go2 EDU doğru donanım. (2) Kıyas çerçevesi — ağırlıklar kapalı olduğundan bu modelleri bugün kendi robotunuzda çalıştıramazsınız; elinizle deneyebileceğiniz açık alternatifler DreamDojo (dünya modeli) ve açık VLN/VLA literatürüdür. Robotlar.org, Go2 EDU tedariki ve Jetson tabanlı Ar-Ge kurulumlarında destek sağlar.
Chat2Robot nedir, denenebilir mi?
Qwen ekibinin D-Robotics (Digua) desteğiyle sunduğu deneysel tarayıcı demosu: doğal dilde komut yazıyorsunuz, uzaktaki gerçek robot gerçek zamanlı yanıt veriyor. Şu an yalnız Qwen-RobotManip'i destekliyor ve 50 görevlik RoboTwin-Clean setiyle eğitilmiş sınırlı bir politika koşturuyor; amaç mükemmel performans göstermek değil, sıfır-atış komut takibini denemektir. Duyuru sonrası erişilebilir durumdaydı.
Suite, NVIDIA ve Google'ın çalışmalarıyla nasıl konumlanıyor?
Uluslararası teknoloji basını paketi, Google DeepMind'ın Gemini Robotics'i ve NVIDIA'nın Cosmos/Isaac/GR00T ekosistemi karşısında Çin'in embodied AI yarışına kurumsal ölçekli cevabı olarak yorumladı. Teknik ayrışma erişim modelinde: NVIDIA'nın DreamDojo ve GR00T hattı açık ağırlıklarla yayınlanırken, Qwen paketi şimdilik kapalı — bulut-pilot modeliyle ilerliyor.
Kaynaklar
Qwen-Robot Suite (blog)
Resmî duyuru: üç modelin genel hikâyesi ve demolar.
RobotNav Raporu (arXiv)
Navigasyon modeli teknik raporu — Go2 dağıtım detayları.
RobotManip Raporu (arXiv)
VLA modeli: hizalama çerçevesi ve 38.100 saatlik korpus.
RobotWorld Raporu (arXiv)
Dil-koşullu dünya modeli teknik raporu.
robotlar.org Destek
Go2/G1 tedariki ve embodied AI Ar-Ge kurulumları.
Embodied AI Araştırmanız
Türkiye'den Başlasın.
Dil komutlu navigasyon, VLA veya dünya modeli çalışmaları için doğru Unitree platformunu ve Ar-Ge kurulumunu birlikte planlayalım.