LightNav-0: jeden navigační model pro různé roboty

Naučit robota pohybovat se v prostředí obvykle vyžaduje ukázky, při nichž ho člověk na dálku řídí. LightNav-0 od společnosti Light Origins zkouší tuto potřebu omezit: místo samostatného řešení pro každou úlohu a každého robota nabízí jeden navigační model postavený na obrazově-jazykovém základu Qwen3-VL-4B. Má se řídit pokyny, hledat objekty popsané běžnými slovy i sledovat vizuální cíl. 128

Stejný záměr, jiný pohyb

Podstatou návrhu je rozdělit navigaci na dvě části. Dvoukanálové směrovací tokeny vyjadřují prostorový záměr – kam má robot zamířit – způsobem, který má být použitelný napříč úlohami, prostředími a typy robotů. Akční tokenizér založený na reziduální vektorové kvantizaci pak popisuje přesnější trajektorii odpovídající konkrétnímu robotu. Model také zpracovává zhuštěnou historii vizuálních pozorování, aby při rozhodování nezávisel jen na jediném okamžiku. Pro jednotlivé úlohy přitom nepoužívá oddělené predikční hlavy. 15

Sdílený prostorový záměr je základem slibovaného přenosu mezi roboty. Není to ale záruka, že nový, dosud neviděný robot nebude potřebovat žádné přizpůsobení. 15

Odkud se berou zkušenosti pro trénink

Datový postup nazvaný Real2Sim2Real podle Light Origins převedl více než 2 000 reálných scén nalezených na internetu na znovu použitelná simulovaná prostředí. Ta poskytla přes 4 000 hodin navigačních zkušeností propojujících obraz, jazyk a akce. Jde o firemní údaje o rozsahu tréninku, nikoli o změřenou úsporu nákladů na sběr dat v reálném světě. 8

Trénink má tři fáze: průběžný trénink zaměřený na uvažování o fyzickém prostředí, následné učení pod dohledem a online posilované učení, při němž se postup zlepšuje interakcí. Společně mají předtrénovaný model přizpůsobit navigaci a naučit ho používat sdílené tokenové rozhraní. 18

Co výsledky dokazují – a co zatím ne

Light Origins uvádí špičkovou úspěšnost navigace s jedinou kamerou v 10 veřejných simulačních nastaveních pro plnění pokynů, hledání objektů a vizuální sledování. Hlásí také přenos na jiné typy robotů a reálné scény bez dodatečného tréninku. Jde o výsledky prezentované týmem, ne o důkaz univerzální spolehlivosti na neznámých robotech či o potvrzení, že lze dálkové řízení při sběru ukázek úplně vypustit. 7813

Zveřejněny jsou váhy modelu, kód, technická zpráva i podklady pro hodnocení INSIGHT-Bench; vydání je popisováno jako licencované pod Apache 2.0. Ostatní tak mohou přístup prověřit. Jeho praktický příslib je střízlivější než navigace bez jakýchkoli ručně získaných dat: omezit potřebu nových ukázek pro každého robota, přičemž fungování v konkrétním prostředí je stále nutné ověřit. 2510