ByteDance dévoile Astra : une architecture à double module pour la navigation autonome des robots

ByteDance a présenté Astra, une architecture à double modèle pour la navigation mobile robotique à usage général, conçue pour surmonter les goulots d'étranglement des systèmes de navigation traditionnels. Astra suit le paradigme Système 1/Système 2 avec deux sous-modèles : Astra-Global, un modèle de langage multimodal à grande échelle (MLLM) gérant les tâches à basse fréquence comme l'auto-localisation et la localisation de cibles ; et Astra-Local, un réseau multitâche pour les tâches à haute fréquence telles que la planification de chemin local et l'estimation d'odométrie. Astra-Global utilise un graphe hybride topologique-sémantique et un processus en deux étapes du grossier au fin pour la localisation visuo-linguistique, entraîné avec un Supervised Fine-Tuning (SFT) et une Group Relative Policy Optimization (GRPO) sur le squelette Qwen2.5-VL, atteignant une précision de localisation de 99,9% dans des environnements domestiques inédits. Astra-Local comprend un encodeur spatio-temporel 4D, une tête de planification avec une perte ESDF masquée pour l'évitement de collision, et une tête d'odométrie fusionnant les données IMU et roues via un modèle Transformer, réduisant l'erreur de trajectoire à environ 2%. Des expériences en entrepôts, bureaux et domiciles ont démontré des performances supérieures aux méthodes traditionnelles de Visual Place Recognition (VPR), avec une amélioration de plus de 30% de la précision de pose dans les entrepôts. L'équipe prévoit d'étendre le déploiement à des environnements plus complexes et d'améliorer la robustesse dans des scénarios hors distribution.