LightNav-0 מנסה ללמד רובוטים לנווט בלי להתחיל מאפס בכל פעם

כדי ללמד רובוט לנווט, לעיתים אוספים עבורו הדגמות שבהן מפעיל אנושי מנחה אותו מרחוק. אם צריך לחזור על התהליך לכל משימה ולכל סוג רובוט, איסוף הנתונים עלול להפוך לצוואר בקבוק. LightNav-0, מודל הניווט של Light Origins המבוסס על Qwen3-VL-4B, מציע כיוון אחר: מודל אחד לניווט לפי הוראות, למציאת עצמים שאפשר לתאר במילים חופשיות ולמעקב אחר מטרה חזותית. מטרתו היא להפחית את התלות בהדגמות נפרדות, לא להוכיח שכבר אפשר לוותר עליהן. 128

אותו יעד, תנועה שונה

במקום רכיב חיזוי נפרד לכל משימת ניווט, LightNav-0 משתמש בממשק משותף של טוקנים — יחידות הייצוג שבהן המודל מבטא את החלטותיו. טוקני הצבעה דו־ערוציים מייצגים את הכוונה המרחבית: לאן להתקדם. טוקנייזר פעולות בכימות וקטורי שיורי מייצג מסלול תנועה מדויק יותר, המותאם לגוף הרובוט שמבצע אותו. המודל גם דוחס היסטוריה של תצפיות חזותיות תוך שמירה על מידע על סדרן בזמן. 15

ההפרדה הזו מסבירה את רעיון ההעברה בין רובוטים: אפשר לשתף ייצוג של יעד הניווט בלי להניח שכל רובוט נע באותו אופן. זהו עיקרון תכנוני שנועד לסייע בהעברה, לא הבטחה שרובוט חדש יפעל היטב בלי התאמה. 15

מאיפה מגיע ניסיון האימון?

צינור הנתונים שהחברה מכנה Real2Sim2Real הופך, לדבריה, יותר מ־2,000 סצנות מהעולם האמיתי שנאספו מהאינטרנט לסביבות סימולציה שאפשר להשתמש בהן שוב. כך נוצרו יותר מ־4,000 שעות של ניסיון ניווט המשלב ראייה, שפה ופעולה. המטרה היא לייצר מצבי אימון מגוונים בסימולציה, במקום להסתמך רק על הדגמות נפרדות שמופעלות מרחוק. אלה נתונים שעליהם מדווחת החברה לגבי תהליך האימון — לא מדידה של החיסכון בעלויות איסוף הנתונים בעולם האמיתי. 8

האימון מתואר בשלושה שלבים: אימון ביניים להסקה עבור רובוטים, כוונון מונחה באמצעות דוגמאות, ולבסוף למידת חיזוק מקוונת באמצעות אינטראקציה. השלבים נועדו להתאים את מודל הראייה והשפה לניווט, ללמד אותו את ההתנהגות המיוצגת בטוקנים ולשפר אותה תוך כדי פעולה. 18

מה הוכח — ומה עוד צריך לבדוק?

Light Origins מדווחת על שיעורי הצלחה מובילים בניווט המבוסס על מצלמה אחת ב־10 סביבות סימולציה ציבוריות, הכוללות מילוי הוראות, ניווט לעצם ומעקב חזותי. היא מדווחת גם על העברה ללא אימון ייעודי מקדים — zero-shot — בין סוגי רובוטים ובסצנות בעולם האמיתי. אלה תוצאות ההערכה המדווחות של הצוות; הן אינן קובעות שיעור הצלחה כללי לכל רובוט לא מוכר, ואינן מוכיחות שאין עוד צורך בהפעלה מרחוק לצורך איסוף נתונים. 7813

משקלי המודל, הקוד, הדוח הטכני וחומרי ההערכה של INSIGHT-Bench פורסמו לציבור, והפרסום מתואר ככפוף לרישיון Apache 2.0. כך יכולים אחרים לבחון ולנסות את הגישה. השאלה המעשית היא האם סביבות סימולציה לשימוש חוזר ומודל ניווט משותף אכן יצמצמו את מספר ההדגמות הדרוש לרובוט מסוים — בלי לדלג על בדיקת הביצועים שלו בסביבה שבה יפעל. 2510