ByteDance apresenta Astra — uma arquitetura de dois módulos para navegação autônoma de robôs

A ByteDance apresentou a Astra, uma nova arquitetura para navegação de robôs móveis que resolve os problemas dos sistemas tradicionais compostos por múltiplos pequenos módulos baseados em regras. A arquitetura é fundamentada no paradigma Sistema 1/Sistema 2 e inclui dois modelos principais: o Astra-Global, um modelo de linguagem grande multimodal (MLLM) responsável por tarefas de baixa frequência (autolocalização e localização de alvos), e o Astra-Local, uma rede multitarefa para tarefas de alta frequência (planejamento local de caminhos e estimativa de odometria). O Astra-Global utiliza um grafo híbrido topológico-semântico construído offline e um processo de localização em duas etapas, do grosseiro para o fino. Para o treinamento, foram empregados o Supervised Fine-Tuning e a Otimização de Política Relativa em Grupo. O Astra-Local inclui um codificador espaço-temporal 4D, uma cabeça de planejamento baseada em Transformer e fluxo de correspondência com perda ESDF mascarada, além de uma cabeça de odometria que combina dados de diferentes sensores. Experimentos mostraram que a Astra atinge 99,9% de precisão de localização em ambientes domésticos desconhecidos, supera significativamente os métodos tradicionais de Reconhecimento Visual de Locais em precisão de pose e reduz o número de colisões. A arquitetura é adequada para uso em armazéns, escritórios e residências, mas requer melhorias para operar em ambientes com poucos marcos e para aumentar a robustez em cenários fora da distribuição (OOD).