LightNav-0、VLMを汎用ロボット導航の頭脳に

要約

LightNav-0は、事前学習済みVLMの空間知能をロボット導航へ引き出すコンパクトな汎用モデルとして公開された。タスク固有の予測ヘッドを使わず、二重チャネルの指示トークンで空間意図を表現し、残差ベクトル量子化アクショントークナイザーでロボット固有の軌道へ変換する。2K超のシーンと4K時間超の導航データで学習し、指示追従、オープン語彙物体導航、視覚追跡を単一モデルで扱う。公開シミュレーション10設定すべてで最先端の単眼成功率を達成し、実機ではロボット形態や静的・動的対象をまたぐゼロショット汎化を実証した。