LightNav-0 mahu kurangkan keperluan data kawalan jauh robot

Melatih robot bergerak dengan meminta manusia mengawalnya dari jauh—atau teleoperasi—boleh menuntut demonstrasi berasingan untuk tugas dan jenis robot yang berbeza. LightNav-0 ialah usaha Light Origins untuk mengurangkan kebergantungan itu. Berasaskan model penglihatan-bahasa Qwen3-VL-4B, ia menggunakan satu model untuk mengikut arahan, mencari objek berdasarkan pelbagai sebutan dan menjejak sasaran secara visual. 128

Arah yang sama, pergerakan yang berbeza

LightNav-0 tidak menggunakan komponen ramalan berasingan bagi setiap tugas. Sebaliknya, tugas-tugas tersebut berkongsi satu antara muka berasaskan token. Token penunjuk dua saluran menyatakan arah atau lokasi yang ingin dituju dengan cara yang direka untuk digunakan merentas tugas, adegan dan jenis robot. Pengekod token tindakan berkuantisasi vektor residual pula mewakili trajektori yang lebih tepat mengikut keupayaan fizikal robot tertentu. Model ini turut memampatkan sejarah pemerhatian visual sambil mengekalkan maklumat tentang urutan masa. 15

Pemisahan itu membolehkan model berkongsi gambaran tentang ke mana robot patut pergi tanpa menganggap semua robot bergerak dengan cara yang sama. Namun, reka bentuk untuk pemindahan ke robot lain bukan jaminan bahawa robot yang belum pernah diuji tidak memerlukan penyesuaian. 15

Menggantikan sebahagian demonstrasi dengan simulasi

Melalui saluran data Real2Sim2Real, Light Origins berkata ia menukar lebih 2,000 adegan dunia sebenar yang diperoleh daripada internet menjadi persekitaran simulasi yang boleh digunakan semula. Daripadanya, syarikat itu menjana lebih 4,000 jam pengalaman navigasi yang menggabungkan penglihatan, bahasa dan tindakan. Tujuannya ialah menghasilkan situasi latihan yang pelbagai tanpa bergantung semata-mata pada demonstrasi teleoperasi yang dikumpulkan satu demi satu. Angka tersebut menerangkan saluran data yang dilaporkan syarikat, bukan penjimatan kos pengumpulan data yang telah diukur. 8

Latihannya mempunyai tiga peringkat: latihan pertengahan penaakulan berjasad, penalaan halus terselia berjasad dan pembelajaran pengukuhan dalam talian. Peringkat-peringkat ini bertujuan menyesuaikan model penglihatan-bahasa kepada navigasi, mengajarnya menggunakan antara muka token bersama dan menambah baik tindakannya melalui interaksi. 18

Apa yang telah ditunjukkan?

Light Origins melaporkan kadar kejayaan terbaik dalam kelasnya bagi navigasi menggunakan satu kamera merentas 10 tetapan simulasi awam yang meliputi tugas mengikut arahan, menuju ke objek dan penjejakan visual. Pasukan itu juga melaporkan keupayaan pemindahan sifar contoh—menggunakan model pada keadaan baharu tanpa latihan khusus untuk keadaan tersebut—merentas jenis robot dan adegan dunia sebenar. Itu ialah keputusan penilaian yang dilaporkan pasukan, bukan bukti bahawa semua robot baharu akan terus berjaya atau teleoperasi boleh ditinggalkan sepenuhnya. 7813

Pemberat model, kod, laporan teknikal dan bahan penilaian INSIGHT-Bench telah dikeluarkan, dengan keluaran itu dinyatakan menggunakan lesen Apache 2.0. Bahan tersebut membolehkan pihak lain meneliti dan menguji pendekatannya. Buat masa ini, kesimpulan yang lebih wajar ialah simulasi boleh guna semula dan satu dasar navigasi bersama berpotensi mengurangkan keperluan demonstrasi bagi setiap robot; prestasi sebenar masih perlu disahkan pada robot dan persekitaran yang hendak digunakan. 2510