LightNav-0 farklı robotlar için ortak bir navigasyon modeli olabilir mi?

Bir robota yol bulmayı öğretmek, her görev ve robot için yeni uzaktan kumandalı gösterimler toplamayı gerektirebilir. Light Origins’in açık kaynaklı LightNav-0 modeli bu ihtiyacı azaltmayı hedefliyor. Qwen3-VL-4B adlı görüntü ve dil modelini temel alan sistem; verilen yönergeyi izleme, tarif edilen bir nesneye gitme ve görüntüdeki hedefi takip etme görevlerini tek modelde topluyor. 128

Ortak amaç, robota özgü hareket

LightNav-0, her görev için ayrı bir tahmin bileşeni kullanmak yerine ortak bir token arayüzü kullanıyor. Çift kanallı işaretleme tokenları, modelin nereye gitmek istediğini görevden ve robotun fiziksel yapısından olabildiğince bağımsız bir biçimde ifade ediyor. Ardından artık vektör nicemlemeli eylem tokenlaştırıcısı, bu yönelimi robotun uygulayabileceği daha hassas bir hareket rotasına dönüştürüyor. Model, farklı anlarda gördüklerinden yararlanmak için görsel gözlem geçmişini de zamansal bilgiyi koruyacak biçimde sıkıştırıyor. 15

Buradaki ayrım önemli: Farklı robotlar nereye gidileceğine ilişkin bilgiyi paylaşabilir, ancak oraya aynı hareketlerle gitmek zorunda değildir. Bu, robotlar arasında aktarımı kolaylaştırmayı amaçlayan bir tasarım; daha önce denenmemiş bir robotun hiçbir uyarlama gerektirmeyeceği anlamına gelmiyor. 15

Eğitim verisi nasıl üretiliyor?

Light Origins, Real2Sim2Real adını verdiği süreçte internetten edinilen 2.000’den fazla gerçek dünya sahnesini yeniden kullanılabilir simülasyon ortamlarına dönüştürdüğünü ve bu ortamlarda 4.000 saatin üzerinde görüntü-dil-eylem temelli navigasyon deneyimi ürettiğini belirtiyor. Böylece ekip, yalnızca her görev için ayrı ayrı uzaktan kumandalı gösterimler toplamaya dayanmak yerine simülasyonda çeşitli eğitim durumları oluşturabiliyor. Ancak bu sayılar, gerçek dünyada veri toplama maliyetinin ne kadar azaldığını ölçmüyor. 8

Şirket eğitimi üç aşamada anlatıyor: modele navigasyona yönelik akıl yürütme kazandırmayı amaçlayan ara eğitim, gözetimli ince ayar ve etkileşim yoluyla çevrimiçi pekiştirmeli öğrenme. 18

Testler ne söylüyor, ne söylemiyor?

Light Origins, yönerge izleme, nesneye yönelme ve görsel takip görevlerini kapsayan 10 kamuya açık navigasyon simülasyonu ortamında, tek kameradan alınan görüntülerle ölçülen başarı oranlarında en iyi sonuçlara ulaştığını bildiriyor. Ekip ayrıca farklı robot gövdelerine ve gerçek dünya sahnelerine, o koşullara özel eğitim yapılmadan aktarım sağlandığını belirtiyor. Bunlar ekibin bildirdiği değerlendirmeler: Her yeni robotta aynı başarının görüleceğini veya uzaktan kumandalı veri toplamanın artık gereksiz olduğunu kanıtlamıyor. 7813

Model ağırlıkları, kod, teknik rapor ve INSIGHT-Bench değerlendirme materyalleri yayımlandı; sürüm Apache 2.0 lisanslı olarak tanımlanıyor. Bu, yaklaşımın başkaları tarafından incelenip sınanmasına imkân veriyor. Asıl soru ise sahada yanıt bulacak: Ortak model ve yeniden kullanılabilir simülasyonlar, belirli bir robot ve çalışma ortamı için gereken gösterim verisini ne kadar azaltabiliyor? 2510