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

ByteDanceがAstraを発表——モバイルロボットのナビゲーションのための新しいアーキテクチャであり、多数の小さなルールベースモジュールからなる従来のシステムの問題を解決する。このアーキテクチャはSystem 1/System 2パラダイムに基づいており、2つの主要モデルを含む：低頻度タスク（自己位置推定と目標位置特定）を担当するマルチモーダル大規模言語モデル（MLLM）であるAstra-Globalと、高頻度タスク（局所経路計画とオドメトリ推定）を担当するマルチタスクネットワークであるAstra-Localである。Astra-Globalは、オフラインで構築されたハイブリッドトポロジー・セマンティックグラフと、「粗から密へ」の2段階位置推定プロセスを利用する。学習には教師ありファインチューニング（Supervised Fine-Tuning）とグループ相対方策最適化（Group Relative Policy Optimization）が使用された。Astra-Localは、4D時空間エンコーダ、トランスフォーマーベースの計画ヘッドとマスク付きESDF損失を用いたストリーミングマッチング、さらに異なるセンサーからのデータを統合するオドメトリヘッドを含む。実験では、Astraは未知の家庭環境で99.9%の位置推定精度を達成し、従来のVisual Place Recognition手法を姿勢精度で大幅に上回り、衝突回数を削減した。このアーキテクチャは倉庫、オフィス、家庭で使用可能だが、特徴の少ない環境での動作改善と、領域外（OOD）シナリオに対するロバスト性の向上が必要である。