JawabanDipublikasikan13 sumber
LightNav-0: Satu Model RGB dan Bahasa untuk Navigasi Beragam Robot
LightNav 0 adalah kebijakan navigasi sumber terbuka berbasis Qwen3 VL yang memakai tampilan RGB dari kamera depan dan instruksi bahasa untuk mengikuti rute, mencari objek bernama, atau melacak target visual lewat satu... Proyek ini diumumkan pada 1 September 2026.
Diterbitkan olehDiedit dengan GPT-5.6 TerraGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- LightNav 0 adalah kebijakan navigasi sumber terbuka berbasis Qwen3 VL yang memakai tampilan RGB dari kamera depan dan instruksi bahasa untuk mengikuti rute, mencari objek bernama, atau melacak target visual lewat satu...
- Proyek ini diumumkan pada 1 September 2026. Tanggal 17 September yang terlihat di GitHub merujuk pada commit repositori yang lebih baru, bukan tanggal peluncuran awal.
- Gagasan utamanya ialah antarmuka token bersama: model menunjuk ruang yang dapat dilalui dan target, lalu menghasilkan lintasan waypoint singkat tanpa kepala prediksi khusus untuk tiap tugas.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Light Origins’ open-sourced LightNav-0 navigation model, published on September 17, 2026, and how do its Qwen3-VL-4B backbone, unifi. Article summary: LightNav-0 is a compact, general-purpose embodied-navigation policy built from Qwen3-VL-4B-Instruct. It uses a single stream of egocentric RGB observations plus a language instruction to handle route following, open-voca. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
LightNav-0 adalah upaya Light Origins membangun kebijakan navigasi robot serbaguna dalam format sumber terbuka. Satu model visi-bahasa ini menerima observasi RGB dari kamera depan robot serta perintah bahasa alami, lalu menghasilkan waypoint gerak. Basisnya adalah Qwen3-VL, dan model dirancang untuk menangani tiga jenis tugas tanpa kepala prediksi khusus: mengikuti instruksi, navigasi menuju objek dengan deskripsi terbuka, serta pelacakan target visual. 1
5
Kontribusi utamanya bukan robot baru, melainkan cara menyatukan persepsi visual, bahasa, dan gerak dalam satu antarmuka. Light Origins menyatakan model, kode, dan laporan teknisnya dirilis pada 1 September 2026. Tanggal 17 September di GitHub adalah tanggal commit repositori yang lebih baru, bukan pengumuman awal. 5
10
Satu format navigasi untuk beberapa tugas
Biasanya, robot memakai sistem berbeda untuk mengikuti petunjuk arah, mencari objek tertentu, atau menjaga target tetap terlihat. LightNav-0 mempertahankan format keluaran yang sama untuk semua tugas tersebut.
Model mula-mula memprediksi dua token penunjuk pada grid gambar:
- Titik affordance, yaitu arah lokal atau area yang layak dilalui robot.
- Titik objek, yaitu sasaran navigasi atau target yang sedang diikuti.
Setelah itu, model menghasilkan tiga token aksi residual vector-quantized, yang diterjemahkan menjadi lintasan waypoint SE(2) sepanjang 10 langkah. Dalam representasi yang dijelaskan di makalahnya, codebook aksi bertingkat bergerak dari keputusan skala sekitar 0,9 meter, lalu penyempurnaan 7 sentimeter dan 4 sentimeter. 1
Artinya, instruksi atau nama objek dapat berubah, tetapi cara model menyatakan keputusan tetap konsisten: tentukan ruang yang memungkinkan dilalui, tunjuk target, lalu buat lintasan. Penulis menyebutnya antarmuka token terpadu yang tidak bergantung pada tugas, kondisi adegan, maupun bentuk fisik robot. 1
Peran Qwen3-VL sebagai fondasi
LightNav-0 dibangun dari Qwen3-VL-4B-Instruct, sebuah model visi-bahasa, lalu diselaraskan untuk tugas navigasi. Pendekatannya tidak menambahkan kebijakan terpisah bagi setiap tugas atau platform robot. Targetnya adalah memanfaatkan pemahaman spasial dari model visi-bahasa untuk tindakan robot di dunia fisik. 1
Dalam evaluasi monokular yang dilaporkan, model memakai masukan visual egosentris—pandangan dari sudut robot sendiri—tanpa mengandalkan sensor kedalaman, odometri, atau kamera panorama. Alurnya relatif sederhana: gambar kamera dan bahasa masuk, lalu niat spasial berbentuk token serta waypoint keluar. 1
Namun, kesederhanaan model tidak berarti penerapan robotnya menjadi otomatis mudah. Sistem nyata tetap memerlukan kalibrasi kamera, pengendali tingkat rendah untuk mengeksekusi waypoint dengan aman, serta pengujian sesuai jenis robot dan lingkungan operasinya.
Real2Sim2Real untuk mengurangi ketergantungan pada teleoperasi
Mengumpulkan demonstrasi navigasi yang banyak dan beragam di robot fisik adalah pekerjaan mahal serta memakan waktu. Untuk itu, Light Origins mengusulkan pipeline Real2Sim2Real: lebih banyak proses pelatihan dipindahkan ke lingkungan simulasi yang dapat digunakan kembali.
Menurut perusahaan, pipeline ini mengubah lebih dari 2.000 adegan dalam dan luar ruang yang bersumber dari internet menjadi aset simulasi, kemudian menghasilkan lebih dari 4.000 jam pengalaman visual-bahasa-aksi yang selaras. 10 Pelatihannya dilaporkan berlangsung dalam tiga tahap:
- pelatihan menengah penalaran berwujud (embodied-reasoning mid-training);
- supervised fine-tuning untuk navigasi;
- pembelajaran penguatan daring (online reinforcement learning).
10
Saat membuat data, sistem mengacak bidang pandang, tinggi, dan kemiringan kamera. Tujuannya adalah agar model tidak terlalu bergantung pada satu posisi kamera saja dan lebih mudah dipindahkan ke robot dengan bentuk berbeda. 1
Pendekatan ini berpotensi mengurangi kebutuhan pengumpulan data melalui teleoperasi berulang. Namun, hal itu bukan bukti bahwa data dunia nyata tidak lagi diperlukan. Ketelitian simulasi, perbedaan sensor, jeda kontrol, keselamatan di sekitar rintangan, dan kondisi luar ruang yang tidak biasa tetap menjadi risiko saat diterapkan.
Apa arti hasil yang dilaporkan—dan batasnya
Makalah LightNav-0 melaporkan hasil terdepan untuk evaluasi navigasi monokular pada 10 lingkungan simulasi dengan satu checkpoint bersama. Model ini juga dilaporkan dapat ditransfer secara zero-shot ke robot humanoid, berkaki empat, beroda, dan udara di adegan yang sebelumnya belum dilihat. 1
10
Klaim tersebut penting karena menguji apakah satu kebijakan dapat mencakup banyak tugas dan banyak bentuk robot, bukan hanya dioptimalkan untuk satu benchmark. Meski demikian, hasil ini terutama merupakan laporan dari penulis dan pengembangnya sendiri. Reproduksi independen—terutama pada robot fisik di lingkungan dalam dan luar ruang yang tidak terkontrol—adalah uji yang lebih menentukan bagi klaim generalitasnya.
Yang tersedia bagi pengembang
Repositori GitHub publik menjelaskan LightNav-0 sebagai model navigasi berwujud serbaguna berbasis Qwen3-VL dengan antarmuka token yang sama untuk beragam tugas. 5 Light Origins juga menyatakan rilisnya mencakup model, kode, dan laporan teknis.
10
Bagi tim yang ingin mengevaluasinya, pertanyaan utamanya bukan sekadar apakah model dapat dijalankan. Yang lebih penting: apakah masukan RGB dan bahasa, keluaran waypoint, konfigurasi kamera, serta pengendali tingkat rendahnya cocok dengan robot sasaran. Evaluasi yang kuat perlu membandingkan performa simulasi dengan uji dunia nyata, menguji mekanisme keselamatan cadangan, dan memeriksa artefak rilis serta ketentuan lisensi terbaru sebelum dipakai secara komersial atau dalam produksi.
Kesimpulan
LightNav-0 menawarkan resep yang cukup jelas untuk navigasi robot: gunakan model visi-bahasa yang ringkas, samakan berbagai tugas navigasi lewat token penunjuk dan waypoint, lalu hasilkan sebagian besar data penyelarasan melalui pipeline Real2Sim2Real. 1
10
Jika transfer lintas-robot yang dilaporkan bertahan dalam pengujian independen di dunia nyata, pendekatan ini dapat mengurangi kebutuhan membuat set data teleoperasi baru untuk setiap tugas dan robot. Untuk saat ini, LightNav-0 lebih tepat dipandang sebagai titik awal riset dan penerapan yang terbuka serta spesifik secara teknis—bukan bukti final bahwa satu kamera RGB dan model bahasa dapat menyelesaikan navigasi umum di semua situasi.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "LightNav-0: Satu Model RGB dan Bahasa untuk Navigasi Beragam Robot"?
LightNav 0 adalah kebijakan navigasi sumber terbuka berbasis Qwen3 VL yang memakai tampilan RGB dari kamera depan dan instruksi bahasa untuk mengikuti rute, mencari objek bernama, atau melacak target visual lewat satu...
Apa poin penting yang harus divalidasi terlebih dahulu?
LightNav 0 adalah kebijakan navigasi sumber terbuka berbasis Qwen3 VL yang memakai tampilan RGB dari kamera depan dan instruksi bahasa untuk mengikuti rute, mencari objek bernama, atau melacak target visual lewat satu... Proyek ini diumumkan pada 1 September 2026. Tanggal 17 September yang terlihat di GitHub merujuk pada commit repositori yang lebih baru, bukan tanggal peluncuran awal.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Gagasan utamanya ialah antarmuka token bersama: model menunjuk ruang yang dapat dilalui dan target, lalu menghasilkan lintasan waypoint singkat tanpa kepala prediksi khusus untuk tiap tugas.