# Qwen 发布机器人操作模型 RobotManip，靠对齐而非堆预训练数据让机械臂听懂人话干活

> 原标题：Qwen-RobotManip：对齐解锁机器人操作基础模型的规模化能力

- 来源：AI HOT 精选
- 发布时间：2026-06-16T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/38601
- 原文：https://qwen.ai/blog?id=qwen-robotmanip

## 摘要

Qwen 团队放出了 Qwen-RobotManip，一个给机械臂用的基础模型。核心思路不是继续堆预训练数据，而是做对齐——用偏好样本教模型学会正确的操作风格，让规模真正发挥作用。演示里，Qwen-Omni 会实时观察桌面，随口发指令，RobotManip 现场执行，没有预设任务清单，能叠碗、叠衣服、做汉堡、插花。模型在多种真实机械臂平台上跑过，对没见...

## 推荐理由

Qwen-RobotManip 不是又一个更大的机器人模型，它用对齐替代更多预训练数据来释放规模潜力，演示里 Qwen-Omni 随口发指令、机械臂现场执行，效果挺直观。我会先打个折，因为正文没披露偏好数据的规模、采集成本和对齐方法的具体细节，验证强度还不好判断。分数定在 82，低于 85 就是因为这些信息缺口，但方向本身对行业有参考价值。

## 锐评

这条新闻最值得看的是思路：不是继续堆预训练数据，而是用偏好样本做对齐，让机械臂模型学会“正确的操作风格”。演示里 Qwen-Omni 实时看桌面、随口发指令，RobotManip 现场执行叠碗、叠衣服、做汉堡、插花，没有预设任务清单，跨了好几种真实机械臂平台。这说明模型对新场景、没见过的语言指令和不同硬件有一定泛化能力。

但正文只给了演示视频和论文链接，没披露模型参数量、训练数据规模，也没提推理延迟。机器人操作对实时性要求很高，延迟不公布就没法判断实际可用性。另外，演示场景偏桌面整理和简单装配，复杂接触、动态环境下的表现还不清楚。

如果是真的，这套“对齐解锁规模”的路线挺省钱——不用无止境采数据，靠偏好样本就能让大模型在操作任务上发挥出来。但现阶段只能当技术验证看，离产线部署还缺可靠性数据和量化指标。