ByteDance onthult Astra: een dual-module architectuur voor autonome robotnavigatie

ByteDance heeft Astra geïntroduceerd, een duaal-modelarchitectuur voor algemene mobiele robotnavigatie, ontworpen om de knelpunten van traditionele navigatiesystemen te overwinnen. Astra volgt het System 1/System 2-paradigma met twee submodellen: Astra-Global, een multimodal large language model (MLLM) dat laagfrequente taken afhandelt zoals zelflokalisatie en doellokalisatie; en Astra-Local, een multitaaknetwerk voor hoogfrequente taken zoals lokale padplanning en odometrieschatting. Astra-Global gebruikt een hybride topologisch-semantische graaf en een grof-naar-fijn tweestapsproces voor visueel-taalkundige lokalisatie, getraind met supervised fine-tuning (SFT) en group relative policy optimization (GRPO) op de Qwen2.5-VL-backbone, waarmee een lokalisatienauwkeurigheid van 99,9% wordt bereikt in onbekende thuisomgevingen. Astra-Local bestaat uit een 4D spatiotemporele encoder, een planningskop met masked ESDF-verlies voor botsingsvermijding, en een odometriekop die IMU- en wiellastgevens fuseert via een Transformermodel, waardoor de trajectfout wordt teruggebracht tot ongeveer 2%. Experimenten in magazijnen, kantoren en woningen toonden superieure prestaties aan ten opzichte van traditionele visual place recognition (VPR)-methoden, met een verbetering van meer dan 30% in posenauwkeurigheid in magazijnomgevingen. Het team is van plan de inzet uit te breiden naar complexere omgevingen en de robuustheid in out-of-distribution-scenario's te verbeteren.