NavFoM – 銀河通用推出的環(huán)視導航基座大模型

NavFoM，即導航基礎模型（Navigation Foundation Model），是銀河通用聯(lián)合北京大學、阿德萊德大學、浙江大學等頂尖科研團隊共同研發(fā)的全球首個能夠跨越不同本體（機器人形態(tài)）并覆蓋全域環(huán)境的環(huán)視導航大模型。它擁有強大的全場景適應能力，能夠無縫切換于室內(nèi)與室外環(huán)境，甚至在從未見過的場景下也能實現(xiàn)零樣本（zero-shot）的精準導航，無需額外的地圖構(gòu)建或數(shù)據(jù)收集工作。

NavFoM 的核心亮點

• 場景通行：NavFoM打破了室內(nèi)外的界限，全方位支持各類環(huán)境，并在陌生場景下展現(xiàn)出卓越的零樣本導航能力，極大提升了環(huán)境適應性和部署效率。
• 多任務指令響應：該模型能夠靈活響應多種導航指令，包括通過自然語言進行的目標跟隨和自主導航，確保機器人能夠精確執(zhí)行多樣化的任務。
• 跨平臺通用適配：NavFoM具備極強的跨本體適配性，能夠以較低的成本快速集成到機器狗、輪式及腿式人形機器人、無人機、汽車等各種形態(tài)各異的硬件平臺，實現(xiàn)廣泛的應用。
• 前沿技術驅(qū)動：其核心技術創(chuàng)新體現(xiàn)在TVI Tokens（時空視角索引標記）和BATS策略（預算感知標記采樣）。TVI Tokens賦予模型對時間和視角的深度理解，而BATS策略則使其在有限的計算資源下依然能夠做出明智決策，顯著提升了模型性能。
• 顛覆性統(tǒng)一范式：NavFoM構(gòu)建了一個全新的通用導航范式：“視頻流 + 文本指令 → 動作軌跡”。這一端到端的處理方式，摒棄了傳統(tǒng)的模塊化拼接，實現(xiàn)了從“感知”到“理解”再到“行動”的完整流程的無縫銜接。
• 海量數(shù)據(jù)支撐：為了訓練NavFoM，研究團隊構(gòu)建了規(guī)模龐大的跨任務數(shù)據(jù)集，其中包括約八百萬條涵蓋不同任務和本體的導航數(shù)據(jù)，以及四百萬條開放式問答數(shù)據(jù)，為模型的強大泛化能力奠定了堅實基礎。

NavFoM 的技術基石

• TVI Tokens（Temporal-Viewpoint-Indexed Tokens）：通過為時間維度和視角維度分配獨特的標記，NavFoM得以深入理解環(huán)境的動態(tài)變化和不同觀察角度的信息，從而在復雜動態(tài)環(huán)境中實現(xiàn)更精準的導航。
• BATS策略（Budget-Aware Token Sampling）：面對計算資源受限的挑戰(zhàn)，BATS策略通過智能地選擇和采樣標記，確保模型在效率與性能之間取得最佳平衡，使其更適合在實際部署中運行。
• 端到端的通用框架：該模型采用“視頻流 + 文本指令 → 動作軌跡”的統(tǒng)一處理流程，將視覺感知、語言理解和控制緊密結(jié)合，直接將輸入信息轉(zhuǎn)化為輸出動作，極大地簡化了導航系統(tǒng)的設計和實現(xiàn)。
• 海量跨任務數(shù)據(jù)集：匯聚了約八百萬條導航數(shù)據(jù)和四百萬條開放問答數(shù)據(jù)的龐大跨任務數(shù)據(jù)集，為NavFoM提供了豐富的多場景、多任務訓練樣本，顯著增強了模型在不同環(huán)境和任務下的泛化能力。

NavFoM 的廣闊應用前景

• 機器人自主導航：在商場、機場等復雜公共場所，NavFoM能夠驅(qū)動機器人根據(jù)自然語言指令進行自主導航和目標跟隨，提供高效的服務和引導。
• 智能自動駕駛：為汽車自動駕駛系統(tǒng)注入更強的能力，提升車輛在復雜交通環(huán)境下的自主決策和導航精度，從而增強自動駕駛的安全性和可靠性。
• 無人機智能飛控：賦能無人機在復雜地形和多變環(huán)境下實現(xiàn)自主飛行和任務執(zhí)行，例如在物流配送、環(huán)境監(jiān)測等領域發(fā)揮重要作用。
• 人形機器人交互：支持輪式和腿式等各類人形機器人，使其能夠更好地適應多樣化的環(huán)境，并完成更復雜的導航與人機交互任務。
• 定制化應用開發(fā)：NavFoM作為強大的基礎模型，為開發(fā)者提供了極大的便利，可以通過后續(xù)的微調(diào)和訓練，快速開發(fā)出滿足特定導航需求的專業(yè)應用模型，進一步拓展其在各行各業(yè)的應用邊界。