ByteDance julkistaa Astra: kaksimodulaarinen arkkitehtuuri autonomiseen robottinavigointiin

ByteDance on esitellyt Astra-nimisen kaksoismalliarkkitehtuurin yleiskäyttöiseen mobiilirobotin navigointiin, joka on suunniteltu voittamaan perinteisten navigointijärjestelmien pullonkaulat. Astra noudattaa System 1/System 2 -paradigmaa kahdella alimallilla: Astra-Global, multimodaalinen suuri kielimalli (MLLM, Multimodal Large Language Model), joka käsittelee matalataajuisia tehtäviä kuten itsepaikannusta ja kohteen paikannusta; sekä Astra-Local, monitehtäväverkosto korkeataajuisille tehtäville kuten paikallinen reittisuunnittelu ja matkamittaus. Astra-Global käyttää hybridistä topologis-semanttista graafia ja karkeasta hienoon kaksivaiheista prosessia visuaaliseen kielelliseen paikannukseen, ja se on koulutettu valvotulla hienosäädöllä (SFT, Supervised Fine-Tuning) ja ryhmäsuhteellisella politiikan optimoinnilla (GRPO, Group Relative Policy Optimization) Qwen2.5-VL-pohjamallilla, saavuttaen 99,9 prosentin paikannustarkkuuden aiemmin näkemättömissä kotlympäristöissä. Astra-Local koostuu 4D-aikavaruusenkooderista, suunnittelupäästä, joka käyttää peitettyä ESDF-häviöfunktiota törmäysten välttämiseksi, ja matkamittauspäästä, joka yhdistää IMU- ja pyörätiedot Transformer-mallin avulla, vähentäen liikeradan virheen noin kahteen prosenttiin. Kokeet varastoissa, toimistoissa ja kodeissa osoittivat parempaa suorituskykyä verrattuna perinteisiin visuaalisen paikantunnistuksen (VPR, Visual Place Recognition) menetelmiin, ja asentotarkkuus parani yli 30 prosenttia varastoympäristöissä. Tiimi suunnittelee laajentavansa käyttöä monimutkaisempiin ympäristöihin ja parantavansa kestävyyttä poikkeavissa jakautumistilanteissa.