LightNav-0 激发视觉语言模型空间智能，实现通用具身导航
LightNav-0 是一种用于具身机器人导航的紧凑型通用模型。它利用预训练视觉语言模型（VLM）的空间能力，并将其与机器人控制对齐，无需针对具体任务设计预测头。统一的标记接口用于表达空间意图，并将其转换为适配不同机器人形态的轨迹。该模型支持指令跟随、开放词汇目标导航和视觉跟踪。训练数据涵盖 2,000 多个场景和 4,000 多小时的具身导航数据。研究人员称，LightNav-0 在全部 10 个公开导航仿真设置中取得了最先进的单目成功率，并能在不同机器人形态、场景以及静态和动态目标之间实现零样本泛化。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。