LightNav-0 dan Upaya Mengurangi Kebutuhan Data Teleoperasi Robot

Mengajarkan robot bernavigasi lewat teleoperasi—saat manusia mengendalikannya untuk menghasilkan contoh gerakan—dapat menuntut demonstrasi baru ketika tugas atau jenis robot berubah. Light Origins menawarkan pendekatan lain melalui LightNav-0: model navigasi sumber terbuka berbasis Qwen3-VL-4B yang dirancang untuk mengikuti instruksi, menuju objek yang disebut dalam deskripsi bebas, dan melacak target visual tanpa model terpisah untuk setiap tugas. Tujuannya adalah mengurangi ketergantungan pada demonstrasi teleoperasi yang dikumpulkan satu per satu, bukan menghapus kebutuhan akan data dunia nyata. 128

Tujuan yang sama, gerakan yang berbeda

Inti rancangan LightNav-0 adalah antarmuka token bersama. Pointing tokens dua kanal menyatakan tujuan spasial—secara sederhana, ke mana robot hendak menuju—dalam bentuk yang dirancang agar dapat digunakan lintas tugas, adegan, dan jenis robot. Setelah itu, action tokenizer dengan kuantisasi vektor residual merepresentasikan lintasan gerak yang lebih rinci dan sesuai dengan tubuh robot tertentu. Model ini juga memampatkan riwayat pengamatan visual dengan mempertimbangkan urutan waktu, sehingga tidak hanya bergantung pada satu pengamatan sesaat. 15

Pemisahan antara tujuan arah dan rincian gerak itulah yang menopang ambisi transfer lintas robot. Namun, rancangan yang memungkinkan transfer bukan jaminan bahwa robot yang belum pernah diuji dapat langsung beroperasi tanpa penyesuaian. 15

Dari adegan nyata ke pengalaman simulasi

Pipeline data yang disebut Real2Sim2Real mengubah adegan dunia nyata menjadi lingkungan simulasi yang dapat digunakan berulang kali. Menurut Light Origins, lebih dari 2.000 adegan yang bersumber dari internet menghasilkan lebih dari 4.000 jam pengalaman navigasi yang memadukan penglihatan, bahasa, dan tindakan. Dengan cara ini, tim dapat membuat beragam situasi latihan tanpa hanya mengandalkan demonstrasi teleoperasi yang dikumpulkan secara terpisah. Angka tersebut menggambarkan pipeline yang dilaporkan perusahaan, bukan pengukuran besarnya penghematan biaya pengumpulan data. 8

Pelatihannya mencakup tiga tahap: embodied-reasoning mid-training untuk menyesuaikan model penglihatan-bahasa dengan penalaran navigasi, embodied supervised fine-tuning untuk mengajarkan perilaku navigasi, lalu online reinforcement learning untuk memperbaiki kebijakan melalui interaksi. 18

Apa yang sudah ditunjukkan?

Light Origins melaporkan tingkat keberhasilan navigasi berbasis satu kamera yang terdepan pada 10 pengaturan simulasi publik, mencakup mengikuti instruksi, menuju objek, dan pelacakan visual. Perusahaan juga melaporkan kemampuan zero-shot—menerapkan model tanpa pelatihan khusus untuk kasus tersebut—pada berbagai jenis robot dan adegan dunia nyata. Ini adalah hasil evaluasi yang dilaporkan tim, bukan bukti bahwa semua robot baru akan berhasil tanpa adaptasi atau bahwa teleoperasi tak lagi diperlukan. 7813

Bobot model, kode, laporan teknis, dan materi evaluasi INSIGHT-Bench telah dirilis, dengan rilis yang dinyatakan berlisensi Apache 2.0. Materi itu memungkinkan pihak lain memeriksa dan menguji pendekatannya. Untuk penggunaan praktis, pertanyaannya tetap spesifik: seberapa baik model bekerja pada robot dan lingkungan yang akan dipakai, serta berapa banyak demonstrasi tambahan yang masih dibutuhkan. 2510