LightNav-0: um modelo de navegação para diferentes robôs

Treinar um robô para circular em um ambiente costuma exigir demonstrações de navegação coletadas por teleoperação — isto é, com uma pessoa controlando o robô à distância. O LightNav-0, da Light Origins, tenta diminuir a necessidade de repetir essa coleta para cada tarefa e tipo de robô. Baseado no modelo de visão e linguagem Qwen3-VL-4B, ele reúne em uma única arquitetura a capacidade de seguir instruções, procurar objetos descritos em linguagem natural e acompanhar alvos visuais. 128

A mesma intenção, movimentos diferentes

Em vez de usar um componente de previsão separado para cada tarefa, o LightNav-0 adota uma interface compartilhada de tokens. Tokens de apontamento em dois canais representam a intenção espacial — para onde o robô deve ir — de uma forma pensada para ser aproveitada entre tarefas, cenários e corpos robóticos. Já um tokenizador de ações com quantização vetorial residual representa trajetórias mais precisas, específicas de cada robô. O modelo também comprime o histórico visual levando em conta a passagem do tempo, para usar observações de momentos diferentes. 15

Essa divisão é a aposta para transferir o que o modelo aprendeu: compartilhar a noção de destino sem presumir que robôs distintos se movem da mesma maneira. É uma estratégia de transferência, não uma garantia de funcionamento imediato em qualquer robô novo. 15

Treinamento com cenas reais transformadas em simulação

A Light Origins chama seu processo de geração de dados de Real2Sim2Real. Segundo a empresa, mais de 2.000 cenas reais obtidas na internet foram convertidas em ambientes simulados reutilizáveis, produzindo mais de 4.000 horas de experiência de navegação que combina visão, linguagem e ação. A ideia é variar as situações de treinamento em simulação, em vez de depender apenas de demonstrações teleoperadas coletadas separadamente. Esses números descrevem o processo informado pela empresa; não medem quanto se economizou na coleta de dados no mundo real. 8

O treinamento tem três etapas descritas pela equipe: uma fase intermediária de raciocínio incorporado, ajuste fino supervisionado para tarefas robóticas e aprendizado por reforço com interação. Juntas, elas buscam adaptar o modelo pré-treinado à navegação, ensinar o comportamento pela interface de tokens e aprimorá-lo com a experiência. 18

O que foi demonstrado — e o que ainda precisa ser testado

A Light Origins relata taxas de sucesso de ponta com visão monocular em 10 configurações públicas de simulação, abrangendo seguimento de instruções, navegação até objetos e acompanhamento visual. Também afirma ter obtido generalização zero-shot — sem treinamento adicional para o caso testado — entre tipos de robô e em cenários reais. São resultados divulgados pela equipe, não uma taxa de sucesso universal para robôs desconhecidos nem prova de que a teleoperação deixou de ser necessária. 7813

Foram disponibilizados pesos do modelo, código, relatório técnico e materiais de avaliação do INSIGHT-Bench; o lançamento é descrito como licenciado sob Apache 2.0. Isso permite que outras equipes examinem e testem a proposta. Por ora, a conclusão prática é mais limitada: cenários simulados reutilizáveis e uma política compartilhada podem reduzir a necessidade de demonstrações específicas para cada robô, mas o desempenho ainda precisa ser verificado no equipamento e no ambiente em que será usado. 2510