ByteDance, 자율 로봇 내비게이션을 위한 이중 모듈 아키텍처 Astra 공개

바이트댄스(ByteDance)가 범용 모바일 로봇 내비게이션을 위한 이중 모델 아키텍처인 아스트라(Astra)를 공개했습니다. 이는 기존 내비게이션 시스템의 병목 현상을 극복하기 위해 설계되었습니다. 아스트라는 시스템1/시스템2(System 1/System 2) 패러다임을 따르며, 자기 위치 추정 및 목표 위치 추정과 같은 저주파 작업을 처리하는 멀티모달 대규모 언어 모델(MLLM)인 아스트라-글로벌(Astra-Global)과, 로컬 경로 계획 및 주행 거리 추정과 같은 고주파 작업을 위한 멀티태스크 네트워크인 아스트라-로컬(Astra-Local)의 두 가지 하위 모델로 구성됩니다. 아스트라-글로벌은 하이브리드 위상-의미 그래프(Topological-Semantic Graph)와 시각-언어 위치 추정을 위한 조대-미세(Coarse-to-Fine) 2단계 프로세스를 사용하며, Qwen2.5-VL 백본(Backbone)에 지도 미세 조정(SFT) 및 그룹 상대 정책 최적화(GRPO)를 적용하여 훈련되었습니다. 이를 통해 처음 보는 가정 환경에서 99.9%의 위치 추정 정확도를 달성했습니다. 아스트라-로컬은 4D 시공간 인코더(Encoder), 충돌 회피를 위한 마스킹된 ESDF 손실 함수(Masked ESDF Loss)를 사용하는 계획 헤드(Planning Head), 그리고 트랜스포머(Transformer) 모델을 통해 관성 측정 장치(IMU)와 휠 데이터를 융합하여 궤적 오차를 약 2%로 줄이는 주행 거리 헤드(Odometry Head)로 구성됩니다. 창고, 사무실, 가정에서의 실험 결과, 기존의 시각적 장소 인식(VPR) 방법보다 우수한 성능을 보였으며, 창고 환경에서 자세 정확도가 30% 이상 향상되었습니다. 연구팀은 더 복잡한 환경으로 배포를 확대하고, 분포 외 시나리오에서의 견고성을 개선할 계획입니다.