ByteDance Introduces Astra — a Dual-Module Architecture for Autonomous Robot Navigation

ByteDance memperkenalkan Astra — arsitektur baru untuk navigasi robot mobile yang mengatasi masalah sistem tradisional yang terdiri dari banyak modul berbasis aturan (rule-based) yang kecil-kecil. Arsitektur ini didasarkan pada paradigma System 1/System 2 dan mencakup dua model utama: Astra-Global — model bahasa besar multimodal (Multimodal Large Language Model, MLLM) yang bertanggung jawab atas tugas-tugas berfrekuensi rendah (lokalisasi diri dan lokalisasi target), serta Astra-Local — jaringan multi-tugas untuk tugas-tugas berfrekuensi tinggi (perencanaan jalur lokal dan estimasi odometri). Astra-Global menggunakan graf topologi-semantik hibrida yang dibangun secara offline, serta proses lokalisasi dua tahap dari kasar ke presisi (coarse-to-fine). Untuk pelatihannya, digunakan Supervised Fine-Tuning dan Group Relative Policy Optimization. Astra-Local mencakup encoder spatio-temporal 4D, kepala perencanaan (planning head) berbasis Transformer dengan flow matching dan masked ESDF loss, serta kepala odometri yang menggabungkan data dari berbagai sensor. Eksperimen menunjukkan bahwa Astra mencapai akurasi lokalisasi 99,9% di lingkungan rumah yang belum dikenal, secara signifikan mengungguli metode Visual Place Recognition tradisional dalam hal akurasi pose, serta mengurangi jumlah tabrakan. Arsitektur ini cocok digunakan di gudang, kantor, dan rumah, namun masih memerlukan penyempurnaan untuk bekerja di lingkungan dengan sedikit fitur visual (low-feature environments) serta untuk meningkatkan ketahanan (robustness) terhadap skenario out-of-distribution (OOD).