ByteDance presenta Astra: una arquitectura de módulo dual para la navegación autónoma de robots

ByteDance ha presentado Astra, una arquitectura de modelo dual para la navegación de robots móviles de uso general, diseñada para superar los cuellos de botella de los sistemas de navegación tradicionales. Astra sigue el paradigma Sistema 1/Sistema 2 con dos submodelos: Astra-Global, un Modelo de Lenguaje Grande Multimodal (MLLM, por sus siglas en inglés) que maneja tareas de baja frecuencia como la autolocalización y la localización de objetivos; y Astra-Local, una red multitarea para tareas de alta frecuencia como la planificación de rutas locales y la estimación de odometría. Astra-Global utiliza un gráfico híbrido topológico-semántico y un proceso de dos etapas de grueso a fino para la localización visual-lingüística, entrenado con Ajuste Fino Supervisado (SFT, por sus siglas en inglés) y Optimización de Políticas Relativas a Grupos (GRPO, por sus siglas en inglés) sobre el backbone Qwen2.5-VL, logrando una precisión de localización del 99,9% en entornos domésticos no vistos. Astra-Local comprende un codificador espacio-temporal 4D, un cabezal de planificación con pérdida ESDF enmascarada para evitar colisiones, y un cabezal de odometría que fusiona datos de la unidad de medición inercial (IMU, por sus siglas en inglés) y ruedas mediante un modelo Transformer, reduciendo el error de trayectoria a aproximadamente un 2%. Los experimentos en almacenes, oficinas y hogares demostraron un rendimiento superior al de los métodos tradicionales de Reconocimiento de Lugares Visuales (VPR, por sus siglas en inglés), con una mejora superior al 30% en la precisión de la pose en entornos de almacén. El equipo planea extender el despliegue a entornos más complejos y mejorar la robustez en escenarios fuera de la distribución.