字节跳动推出Astra——面向自主机器人导航的双模块架构

ByteDance 发布了 Astra，这是一种用于移动机器人导航的新型架构，解决了传统系统中由许多微小规则模块组成的问题。该架构基于 System 1/System 2 范式，包含两个主要模型：Astra-Global，一个多模态大语言模型（Multimodal Large Language Model，MLLM），负责低频任务（自身定位和目标定位）；以及 Astra-Local，一个多任务网络，负责高频任务（局部路径规划和里程计估计）。Astra-Global 使用离线构建的混合拓扑-语义图，并采用从粗到精的两阶段定位过程。训练中使用了监督微调（Supervised Fine-Tuning，SFT）和组相对策略优化（Group Relative Policy Optimization，GRPO）。Astra-Local 包括一个4D时空编码器、基于 Transformer 的规划头（使用带掩码欧几里得符号距离场损失的流匹配，masked ESDF loss）以及一个融合多传感器数据的里程计头。实验表明，Astra 在陌生家庭环境中实现了 99.9% 的定位精度，在姿态精度上显著优于传统的视觉地点识别（Visual Place Recognition，VPR）方法，并减少了碰撞次数。该架构适用于仓库、办公室和家庭，但在低特征环境中的表现以及对于分布外（Out-of-Distribution，OOD）场景的鲁棒性仍需改进。