LightNav-0 vil lære flere robotter at finde vej med færre fjernstyrede demonstrationer

At lære en robot at finde vej kan kræve mange demonstrationer, hvor et menneske fjernstyrer den gennem opgaven. Light Origins’ LightNav-0 er et forsøg på at mindske behovet for at indsamle sådanne data på ny for hver robot og opgave. Modellen bygger på Qwen3-VL-4B og samler tre opgaver: at følge instruktioner, finde objekter beskrevet med almindelige ord og følge et visuelt mål. 128

Samme mål – forskellige bevægelser

I stedet for at have en særskilt modeldel til hver navigationsopgave bruger LightNav-0 en fælles grænseflade af tokens – små enheder, som modellen bruger til at repræsentere mål og handlinger. Såkaldte pegetokens i to kanaler beskriver, hvor robotten skal hen, på en måde der er tænkt til at kunne bruges på tværs af opgaver, omgivelser og robottyper. En residual vektorkvantiseret handlingstokenizer beskriver derefter den mere præcise rute og bevægelse for den konkrete robot. Modellen sammenfatter også tidligere synsindtryk, så den kan bruge information fra flere tidspunkter. 15

Skellet er vigtigt: To robotter kan have samme destination uden at kunne bevæge sig derhen på samme måde. Arkitekturen er lavet til at gøre overførsel mellem robotter lettere, men den garanterer ikke, at en hidtil ukendt robot kan bruges uden tilpasning. 15

Træning i scener hentet fra virkeligheden

Light Origins kalder sin datapipeline Real2Sim2Real. Virksomheden oplyser, at den har omsat mere end 2.000 virkelige scener fundet på internettet til genanvendelige simulerede miljøer. Herfra har den genereret over 4.000 timers navigationserfaring, der kombinerer syn, sprog og handling. Tanken er at skabe varierede træningssituationer i simulation frem for udelukkende at indsamle nye, fjernstyrede demonstrationer. Tallene beskriver den rapporterede datapipeline – ikke en målt besparelse ved indsamling af data i den virkelige verden. 8

Træningen foregår ifølge virksomheden i tre trin: mellemtræning med fokus på robotters rumlige ræsonnement, superviseret finjustering og online forstærkningslæring, hvor modellen forbedres gennem interaktion. Trinnene skal tilsammen tilpasse den eksisterende billed- og sprogmodel til navigation. 18

Hvad resultaterne viser – og ikke viser

Light Origins rapporterer førende succesrater med ét kamera i 10 offentlige, simulerede navigationstest, der dækker instruktionsfølgning, navigation mod objekter og visuel sporing. Virksomheden rapporterer også såkaldt zero-shot-overførsel til andre robottyper og virkelige omgivelser – altså resultater uden særskilt træning til den pågældende situation. Det er holdets rapporterede evalueringer, ikke dokumentation for, at enhver ny robot vil klare sig lige godt, eller at fjernstyrede demonstrationer kan undværes helt. 7813

Modelvægte, kode, en teknisk rapport og evalueringsmateriale til INSIGHT-Bench er offentliggjort; udgivelsen er beskrevet som licenseret under Apache 2.0. Det giver andre mulighed for at undersøge og afprøve metoden. Den praktiske ambition er at reducere behovet for demonstrationer robot for robot – mens ydeevnen stadig må efterprøves på den konkrete robot i dens konkrete omgivelser. 2510