ByteDance esittelee Astra — kaksimoduulisen arkkitehtuurin autonomiseen robottinavigointiin

ByteDance on esitellyt Astran, uuden arkkitehtuurin mobiilirobottien navigointiin, joka ratkaisee perinteisten monista pienistä sääntöpohjaisista moduuleista koostuvien järjestelmien ongelmia. Arkkitehtuuri perustuu System 1/System 2 -paradigmaan ja sisältää kaksi päämallia: Astra-Global, multimodaalinen suuri kielimalli (MLLM), joka vastaa matalataajuuksisista tehtävistä (itselokalisointi ja kohteen lokalisointi), ja Astra-Local, monitehtäväverkko korkeataajuuksisille tehtäville (paikallinen reittisuunnittelu ja odometrian estimointi). Astra-Global käyttää hybridistä topologis-semanttista graafia, joka on rakennettu offline-tilassa, ja kaksivaiheista karkeasta tarkkaan -lokalisointiprosessia. Koulutuksessa on käytetty valvottua hienosäätöä (Supervised Fine-Tuning) ja ryhmäsuhteellista politiikan optimointia (Group Relative Policy Optimization). Astra-Local sisältää 4D-avaruus-aikaenkooderin, Transformer-pohjaisen suunnittelupään, virtausyhteensovituksen maskatulla ESDF-häviöllä (masked ESDF loss) sekä odometriapään, joka yhdistää eri antureiden dataa. Kokeet osoittivat, että Astra saavuttaa 99,9 %:n lokalisointitarkkuuden vieraissa kotiympäristöissä, voittaa perinteiset Visual Place Recognition -menetelmät selvästi paikkatarkkuudessa ja vähentää törmäysten määrää. Arkkitehtuuri soveltuu käytettäväksi varastoissa, toimistoissa ja kodeissa, mutta parannuksia tarvitaan toimintaan vähäpiirteisissä ympäristöissä ja robustiuden parantamiseksi OOD-skenaarioissa.