AnswersPublished13 sources
LightNav-0: одна модель для навігації роботів за зображенням і текстовою командою
LightNav 0 — відкрита навігаційна політика на базі Qwen3 VL, що за одним фронтальним RGB зображенням і текстовою командою може виконувати рух за інструкцією, пошук названого об’єкта та візуальне стеження. Початковий анонс Light Origins відбувся 1 вересня 2026 року; дата 17 вересня на GitHub стосується пізнішого комі...
ОпублікувавВідредаговано за допомогою GPT-5.6 TerraЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- LightNav 0 — відкрита навігаційна політика на базі Qwen3 VL, що за одним фронтальним RGB зображенням і текстовою командою може виконувати рух за інструкцією, пошук названого об’єкта та візуальне стеження.
- Початковий анонс Light Origins відбувся 1 вересня 2026 року; дата 17 вересня на GitHub стосується пізнішого коміту, а не першого релізу.
- Ключова ідея моделі — єдиний інтерфейс дій: вказати прохідний напрямок і ціль на зображенні, а потім згенерувати коротку траєкторію з проміжних точок.
AI Prompt
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 — це відкрита розробка компанії Light Origins для універсальної навігації роботів. Одна візуально-мовна модель отримує фронтальне RGB-зображення з камери та команду природною мовою, після чого формує маршрут із проміжних точок. За задумом авторів, той самий підхід має працювати для руху за інструкцією, пошуку об’єкта за описом і візуального стеження за ціллю — без окремих модулів прогнозування для кожного завдання. 1
5
Важливе уточнення щодо дат: Light Origins повідомила про відкритий реліз моделі, коду й технічного звіту 1 вересня 2026 року. Дата 17 вересня, яку можна побачити в GitHub-репозиторії, позначає пізніший коміт, а не дату першого оголошення. 5
10
Одна «мова дій» для різних навігаційних задач
Зазвичай робот має різні моделі або спеціалізовані компоненти для різних сценаріїв: пройти за вказівкою, знайти об’єкт чи не втратити з поля зору рухому ціль. У LightNav-0 формат відповіді лишається однаковим.
Спершу модель передбачає два токени-вказівники на сітці зображення:
- точку прохідності (affordance point) — локальний безпечний або доступний напрямок руху;
- точку об’єкта (object point) — ціль навігації або об’єкт, за яким потрібно стежити.
Після цього вона генерує три токени дії з залишковим векторним квантуванням. Вони декодуються у траєкторію з 10 проміжних точок у просторі SE(2), тобто з урахуванням положення на площині та орієнтації. У поданні з роботи ієрархічні кодові книги уточнюють рух: приблизно від масштабу 0,9 м до 7 см і далі до 4 см. 1
Саме ця спільна схема, на думку авторів, дозволяє одній політиці охоплювати кілька режимів навігації. Текстова інструкція або опис об’єкта змінює намір, але відповідь завжди має однакову просторову форму: де можна рухатися, де ціль і якою траєкторією до неї йти. Автори називають це уніфікованим токенним інтерфейсом, незалежним від завдання, сцени та типу робота. 1
Навіщо тут Qwen3-VL
Основою LightNav-0 є Qwen3-VL-4B-Instruct — візуально-мовна модель, яку адаптували до задач навігації замість створення окремої політики для кожного робота чи сценарію. Заявлена мета — перетворити просторове розуміння, набуте візуально-мовною моделлю, на фізичну дію робота. 1
У заявлених монокулярних оцінюваннях модель спирається на егоцентричні візуальні дані, а не на датчики глибини, одометрію чи панорамні камери. Тому інтерфейс виглядає відносно простим: зображення з камери та текст на вході, просторові токени й маршрутні точки — на виході. 1
Втім, простота моделі не скасовує вимог до реальної робототехнічної системи. Для практичного використання все одно потрібні калібрування камери, контролер, здатний безпечно виконувати маршрут, і перевірка на конкретній платформі та в конкретному середовищі.
Real2Sim2Real: як масштабувати дані без постійного телеуправління
Збір різноманітних якісних демонстрацій на фізичних роботах — одна з найвитратніших частин навчання. Конвеєр Real2Sim2Real у Light Origins має перенести значну частину цієї роботи в повторно використовувані симулятори.
За даними компанії, понад 2 000 інтернет-сцен у приміщеннях і просто неба перетворили на активи для симуляції, а на їхній основі синтезували понад 4 000 годин узгодженого візуально-мовно-дієвого досвіду. 10 Навчання складалося з трьох етапів:
- проміжне навчання втіленого міркування;
- контрольоване донавчання для навігації;
- онлайн-навчання з підкріпленням.
10
Під час генерації даних автори рандомізували кут огляду, висоту та нахил камери. Це має зменшити залежність від одного конкретного розташування камери й полегшити перенесення моделі між різними роботами. 1
Такий підхід потенційно скорочує обсяг даних, які доводиться збирати через повторюване телеуправління. Однак він не доводить, що дані з реального світу більше не потрібні: ризиками залишаються точність симуляції, відмінності сенсорів, затримки керування, безпека біля перешкод і нетипові умови надворі.
Що показують заявлені результати — і чого вони поки не доводять
У статті заявлено провідні монокулярні результати у 10 симуляційних навігаційних оцінюваннях з одним спільним чекпойнтом моделі. Також автори повідомляють про zero-shot перенесення — без додаткового навчання — на гуманоїдних, чотириногих, колісних і літальних роботів у раніше не бачених сценах. 1
10
Це важливі твердження, адже вони перевіряють не лише результат на одному бенчмарку, а й можливість охопити різні завдання та конструкції роботів однією політикою. Проте це передусім результати, оприлюднені авторами. Вирішальною перевіркою узагальнюваності стануть незалежне відтворення та випробування реальних роботів у неконтрольованих приміщеннях і на відкритому просторі.
Що доступно розробникам
Публічний репозиторій GitHub описує LightNav-0 як універсальну модель втіленої навігації на базі Qwen3-VL та пояснює її спільний токенний інтерфейс. 5 Light Origins також вказує, що до релізу входять сама модель, код і технічний звіт.
10
Для команди, яка хоче оцінити LightNav-0, головне питання не зводиться до того, чи запускається модель. Потрібно перевірити, чи сумісні з цільовим роботом її вхідні дані RGB і текст, формат маршрутних точок, конфігурація камери та низькорівневий контролер. Надійна оцінка має порівнювати симуляцію з реальними заїздами, тестувати механізми безпечної зупинки й уточнювати актуальні артефакти релізу та умови ліцензування перед виробничим або комерційним застосуванням.
Висновок
LightNav-0 пропонує практичну формулу для навігації роботів: компактна візуально-мовна основа, єдині токени вказування й траєкторії для різних завдань, а також масштабне генерування даних через Real2Sim2Real. 1
10
Якщо заявлене перенесення між роботами підтвердять незалежні випробування в реальному світі, розробникам може знадобитися менше окремих наборів даних із телеуправлінням для кожного нового робота або завдання. Поки що LightNav-0 варто розглядати як відкриту та технічно конкретну відправну точку для досліджень і впровадження, а не як остаточний доказ того, що одна RGB-камера й мовна модель здатні розв’язати навігацію в будь-яких умовах.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "LightNav-0: одна модель для навігації роботів за зображенням і текстовою командою"?
LightNav 0 — відкрита навігаційна політика на базі Qwen3 VL, що за одним фронтальним RGB зображенням і текстовою командою може виконувати рух за інструкцією, пошук названого об’єкта та візуальне стеження.
What are the key points to validate first?
LightNav 0 — відкрита навігаційна політика на базі Qwen3 VL, що за одним фронтальним RGB зображенням і текстовою командою може виконувати рух за інструкцією, пошук названого об’єкта та візуальне стеження. Початковий анонс Light Origins відбувся 1 вересня 2026 року; дата 17 вересня на GitHub стосується пізнішого коміту, а не першого релізу.
What should I do next in practice?
Ключова ідея моделі — єдиний інтерфейс дій: вказати прохідний напрямок і ціль на зображенні, а потім згенерувати коротку траєкторію з проміжних точок.