ByteDance présente Astra — une architecture à double module pour la navigation autonome des robots

ByteDance a présenté Astra, une nouvelle architecture de navigation pour robots mobiles qui résout les problèmes des systèmes traditionnels composés de multiples petits modules basés sur des règles. L'architecture repose sur le paradigme System 1/System 2 et comprend deux modèles principaux : Astra-Global, un grand modèle de langage multimodal (MLLM) chargé des tâches à basse fréquence (localisation du robot et localisation de la cible), et Astra-Local, un réseau multitâche pour les tâches à haute fréquence (planification locale de trajectoire et estimation de l'odométrie). Astra-Global utilise un graphe hybride topologique-sémantique construit hors ligne et un processus de localisation en deux étapes "du grossier au fin". L'apprentissage a été effectué avec du Supervised Fine-Tuning et de l'Optimisation de Politique Relative par Groupe (GRPO). Astra-Local comprend un encodeur spatio-temporel 4D, une tête de planification basée sur Transformer et un flux de correspondance avec une fonction de perte ESDP masquée, ainsi qu'une tête d'odométrie fusionnant les données de différents capteurs. Les expériences ont montré qu'Astra atteint une précision de localisation de 99,9 % dans des environnements domestiques inconnus, dépasse largement les méthodes traditionnelles de Visual Place Recognition en précision de pose et réduit le nombre de collisions. L'architecture est adaptée à une utilisation dans les entrepôts, les bureaux et les domiciles, mais des améliorations sont nécessaires pour fonctionner dans des environnements peu texturés et pour renforcer la robustesse face aux scénarios hors distribution (OOD).