Light Origins kompaniyasi LightNav-0 modelini jamoatchilikka taqdim etdi. Ushbu ixcham universal navigatsiya modeli Qwen3-VL-4B backboni asosida qurilgan va ogʻirliklar, kod, texnik hisobot hamda INSIGHT-Bench baholash toʻplami bilan birga chiqarildi.
Kompaniya bu modelni barcha vazifalarni bajarish uchun yagona token-interfeysdan foydalanadigan navigatsiya miyasi sifatida taqdim etadi: koʻrsatma izlash, ochiq lugʻatli obʼektlarni navigatsiya qilish va vizual kuzatuv. Buning uchun har bir vazifa uchun maxsus chiqish qatlami talab qilinmaydi.
Ishning asosiy qismi eʼlon qilingan miqyosdagi Real2Sim2Real jarayonidir. Maxsus maʼlumotlar dvigateli internetdan yigʻilgan 2000 dan ortiq haqiqiy sahnalarni qayta ishlanadigan simulyatorlarga aylantiradi. Keyin, koʻrish, til va harakatlar oʻzaro taʼsirining 4000 soatdan ortiq muvofiqlashtirilgan tajribasi sintezlanadi.
Oʻquv jarayoni uch bosqichda amalga oshiriladi: avvalo, fazoviy tasavvurlarni shakllantirish uchun tanlangan fikrlash bilan oʻrganish amalga oshiriladi; keyin muvofiqlashtirilgan yoʻnalishlar boʻyicha tanlangan nazoratli mayda sozlash kuzatiladi; va oxirida, siyosat oʻz xatolariga asoslanib yaxshilanishiga imkon beradigan onlayn kuchaytirish bilan oʻrganish qoʻllaniladi.
Xilma-xillikni taʼminlash uchun kamera balandligi, koʻrinish maydoni va egilish burchagi tasodifiy ravishda oʻzgartiriladi, shunda bir xil sahnalar real robotlarda har qanday mayda sozlash boshlanishidan oldin koʻplab tomosha nuqtalarini qamrab oladi.
Baholashda Light Origins monotsik RGB LightNav-0 ning birinchi shaxsdan suratga olingan versiyasi oʻn xil turli navigatsiya ssenariylarida yuqori natijalar koʻrsatayotganini maʼlum qiladi. Bu ssenariylar VLN-CE, Matterport3D/HM3D obʼektlari boʻyicha navigatsiya, HM3D-OVON va EVT-Bench kuzatuvini oʻz ichiga oladi.
Model bitta kamerali usullar orasida birinchi oʻringa ega va hatto panoramali tizimlar yoqilganda ham raqobatbardosh boʻlib qoladi. Ikki kanalli yoʻnaltirish tokenlari tasvir fazosida fazoviy niyatlarni ifodalaydi. Bundan tashqari, uch darajali harakat tokenizatori qoldiq vektor kvantlash orqali 10 qadamlik blokni santimetrlar bilan rekonstruksiya xatosi bilan dekodlaydi, bu jamoa maʼlumotlariga koʻra.
Nol bilimli namoyishlar gumanoid, toʻrt oyoqli, gʻildirakli va havo platformalarida ilgari koʻrilmagan ichki va tashqi sahnalarda, jumladan, gavjum koʻchalar boʻyicha kuzatuvda bir xil nazorat nuqtasini qoʻllash imkonini beradi.
Barcha artefaktlar GitHubʼda lightorigins/LightNav-0 va Hugging Faceʼda LightOriginsHQ/LightNav-0 manbasiz 2.0 litsenziyasi ostida ommaviy tarzda mavjud. Robototexnika bilan shugʻullanuvchi jamoalar uchun eng qimmatli jihati shunchaki yana bir VLN koʻrsatkichi emas, balki haqiqiy sahnalardan simulyatsiyaga, soʻngra heterogen tana tomon qaytishgacha boʻlgan takrorlanuvchi muvofiqlashtirish siklidir — bu teleoperatsiya va juda bogʻliq boʻlgan navigatsiya maʼlumotlarini yigʻish hajmini kamaytirishga qaratilgan boʻlib, RGB va tilning yagona interfeysini saqlab qoladi.