ByteDance stellt Astra vor – eine Zwei-Modul-Architektur für autonome Roboternavigation

ByteDance hat Astra vorgestellt – eine neue Architektur für die Navigation mobiler Roboter, die die Probleme traditioneller Systeme löst, die aus vielen kleinen regelbasierten Modulen bestehen. Die Architektur basiert auf dem System-1/System-2-Paradigma und umfasst zwei Hauptmodelle: Astra-Global – ein multimodales Large Language Model (MLLM), das für niederfrequente Aufgaben (Selbstlokalisierung und Ziellokalisierung) zuständig ist, und Astra-Local – ein multitaskingfähiges Netzwerk für hochfrequente Aufgaben (lokale Pfadplanung und Odometrieschätzung). Astra-Global verwendet einen hybriden topologisch-semantischen Graphen, der offline erstellt wird, sowie einen zweistufigen Lokalisierungsprozess vom Groben zum Feinen. Für das Training wurden Supervised Fine-Tuning und Group Relative Policy Optimization eingesetzt. Astra-Local umfasst einen 4D-Raum-Zeit-Encoder, einen Transformer-basierten Planungskopf mit Streaming-Abstimmung und maskiertem ESDF-Verlust sowie einen Odometriekopf, der Daten verschiedener Sensoren fusioniert. Experimente zeigten, dass Astra eine Lokalisierungsgenauigkeit von 99,9 % in unbekannten häuslichen Umgebungen erreicht, herkömmliche Methoden der visuellen Ortserkennung in der Posengenauigkeit deutlich übertrifft und die Anzahl der Kollisionen reduziert. Die Architektur ist für den Einsatz in Lagern, Büros und Wohnungen geeignet, jedoch sind Verbesserungen für den Betrieb in merkmalsarmen Umgebungen und zur Erhöhung der Robustheit gegenüber Out-of-Distribution-Szenarien erforderlich.