ByteDance apresenta Astra: uma arquitetura de módulo duplo para navegação autônoma de robôs

A ByteDance lançou o Astra, uma arquitetura de modelo duplo para navegação de robôs móveis de uso geral, projetada para superar os gargalos dos sistemas tradicionais de navegação. O Astra segue o paradigma Sistema 1/Sistema 2 com dois submodelos: o Astra-Global, um Modelo de Linguagem Multimodal de Grande Escala (MLLM) que lida com tarefas de baixa frequência, como autolocalização e localização de alvos; e o Astra-Local, uma rede multitarefa para tarefas de alta frequência, como planejamento local de caminhos e estimativa de odometria. O Astra-Global usa um grafo topológico-semântico híbrido e um processo em dois estágios, do grosseiro ao fino, para localização visual-linguagem, treinado com Ajuste Fino Supervisionado (SFT) e Otimização de Política Relativa em Grupo (GRPO) no backbone Qwen2.5-VL, alcançando 99,9% de precisão de localização em ambientes domésticos não vistos. O Astra-Local compreende um codificador espaço-temporal 4D, uma cabeça de planejamento com perda ESDF mascarada para evitar colisões e uma cabeça de odometria que funde dados de unidade de medição inercial (IMU) e rodas por meio de um modelo Transformer, reduzindo o erro de trajetória para aproximadamente 2%. Experimentos em armazéns, escritórios e residências demonstraram desempenho superior aos métodos tradicionais de Reconhecimento de Local Visual (VPR), com melhoria superior a 30% na precisão de pose em ambientes de armazém. A equipe planeja estender a implantação para ambientes mais complexos e melhorar a robustez em cenários fora da distribuição.