LightNav-0 punta a far navigare robot diversi senza ripartire ogni volta da zero

Per insegnare a un robot a muoversi, spesso occorrono dimostrazioni raccolte guidandolo a distanza: è la teleoperazione. Ripetere la raccolta per ogni compito e ogni tipo di robot è proprio ciò che Light Origins vuole limitare con LightNav-0. Basato sul modello visione-linguaggio Qwen3-VL-4B, il sistema usa un’unica architettura per seguire istruzioni, raggiungere oggetti descritti liberamente e tenere d’occhio un bersaglio visivo. 128

La stessa meta, movimenti diversi

LightNav-0 non aggiunge un componente di previsione separato per ciascun compito. Usa invece un’interfaccia comune di token, cioè unità con cui il modello rappresenta le informazioni di navigazione. I token di puntamento a due canali esprimono dove vuole dirigersi in una forma pensata per valere tra compiti, ambienti e robot differenti. Un tokenizzatore delle azioni con quantizzazione vettoriale residua rappresenta poi la traiettoria più precisa, specifica per il robot che deve muoversi. La compressione della cronologia visiva aiuta inoltre il modello a utilizzare osservazioni raccolte in momenti diversi. 15

La distinzione è importante: condividere l’intenzione spaziale non significa presumere che robot con corpi e capacità differenti eseguano gli stessi movimenti. È una scelta progettuale per favorire il trasferimento delle capacità, non la garanzia che un robot mai visto prima funzioni senza adattamenti. 15

Dalle scene reali alla simulazione

Il processo di raccolta dei dati, chiamato Real2Sim2Real, trasforma scene del mondo reale reperite online in ambienti simulati riutilizzabili. Secondo Light Origins, più di 2.000 scene hanno prodotto oltre 4.000 ore di esperienza di navigazione che combina immagini, linguaggio e azioni. Sono cifre riferite dall’azienda sul proprio processo di addestramento: non misurano quanto denaro o tempo sia stato effettivamente risparmiato nella raccolta di dati nel mondo reale. 8

L’addestramento procede in tre fasi dichiarate: una fase intermedia dedicata al ragionamento per robot, un affinamento supervisionato e infine apprendimento per rinforzo online. L’obiettivo è adattare il modello visione-linguaggio alla navigazione, insegnargli il comportamento rappresentato dai token e migliorarlo attraverso l’interazione. 18

Che cosa dimostrano i risultati

Light Origins riporta tassi di successo ai vertici nei 10 scenari pubblici di simulazione valutati con una sola telecamera, tra istruzioni, ricerca di oggetti e inseguimento visivo. Dichiara anche capacità di trasferimento zero-shot — senza addestramento specifico sul nuovo caso — tra tipi di robot e scene reali. Restano risultati riferiti dal gruppo: non stabiliscono un tasso di successo valido per qualunque robot sconosciuto, né provano che si possa fare a meno della teleoperazione. 7813

Sono stati pubblicati pesi del modello, codice, rapporto tecnico e materiali di valutazione INSIGHT-Bench; la distribuzione è descritta come soggetta a licenza Apache 2.0. Altri possono quindi esaminare e mettere alla prova il metodo. La promessa concreta, per ora, è ridurre la necessità di raccogliere dimostrazioni robot per robot grazie a scene simulate riutilizzabili e a una politica di navigazione condivisa. Le prestazioni vanno comunque verificate sul robot e nell’ambiente in cui lo si vuole impiegare. 2510