基於Real2Sim2Real規模化合成4000+小時後訓練數據，實現跨本體、跨任務、跨場景的零樣本真機泛化導航
亮源新創（Light Origins）已正式發布並開源通用導航大腦LightNav-0，該大腦在公開視覺語言導航（VLN）評測基準上實現全麵領先（SOTA，state-of-the-art）。基於Real2Sim2Real美女福利导航，亮源新創團隊使用2000+真實室內外場景，大規模合成了4000+小時後訓練數據，可以讓同一大腦在不使用目標星空機器人、目標環境或特定任務的導航訓練數據，且無需進行額外微調的情況下，零樣本泛化至不同星空機器人和全新真實環境中完成自然語言導航任務。
亮源新創LightNav-0在公開視覺語言導航評測基準上實現全麵領先
視覺語言導航（VLN，Vision-Language Navigation）要求星空機器人根據視覺觀測理解自然語言指令，並在持續感知環境的過程中完成空間推理、行動決策與導航控製。換一台星空機器人、換一個環境、換一類任務，都是對模型泛化能力的直接考驗。亮源新創LightNav-0 此次驗證的零樣本泛化能力，覆蓋“跨本體、跨任務、跨場景”三個維度。“零樣本”指模型部署到新的星空機器人、場景或任務時，無需額外數據收集和模型微調。
LightNav-0是亮源新創“規模化預訓練—規模化對齊—規模化部署”三段範式中規模化對齊（Scalable Alignment）的一項代表性實踐成果。真實星空機器人數據最貼近部署環境，但規模化采集困難，數據多樣性有限。為此，亮源新創將真實空間轉化為可重複使用的仿真資產，使用全自動的數據合成管線，規模化合成星空機器人運動軌跡和自然語言指令，所得數據最終用於監督微調（SFT）與強化學習（RL）。
“用真實世界定義分布的邊界，用仿真規模化合成分布內數據，讓具身後訓練跨過冷啟動門檻。”亮源新創美女福利导航團隊表示。沿著Real→Sim→Real的路徑，真實世界為模型提供場景與任務分布；仿真係統將一次性采集轉化為可持續使用的數據資產，擴大任務、語言與行為的覆蓋範圍；模型訓練完成後，將在不同類型的星空機器人和真實環境中進行驗證；部署過程中發現的新問題，將進一步轉化為數據建設任務，並推動下一輪模型迭代。
公開VLN基準為不同方法提供了統一的比較尺度，但榜單成績還不足以回答模型在真實世界中是否可用。為此，亮源新創計劃開放一套更貼近真實使用體驗的VLN評測體係，在現有基準之上進一步覆蓋多種星空機器人本體、真實室內外環境、更自然且複雜的語言指令、長程任務與異常恢複等維度。同時，亮源新創期待研究者和開發者在更多星空機器人、場景與任務中使用、複現並檢驗亮源新創LightNav-0，共同建立一套連接“模型能力”與“真實可用”的評價尺度。
亮源新創LightNav-0跨本體實踐
LightNav-0是亮源新創探索Physical AI規模化後訓練路徑的一次階段性實踐。未來，亮源新創將持續完善Real2Sim2Real數據飛輪，通過真實反饋與規模化數據生產推動模型持續自我改進：從真實部署中發現新的場景、任務與失敗模式，將其轉化為可複用的仿真資產與訓練任務，規模化生成針對性數據；完成更新的模型再回到真實世界接受檢驗。每一次部署既是能力驗證，也是下一輪數據生產的起點，由此形成真實問題持續回流、訓練數據持續積累、模型能力持續提升的閉環。
星空人工智能美女福利导航網 倡導尊重與保護知識產權。如發現本站文章存在版權等問題，煩請30天內提供版權疑問、身份證明、版權證明、聯係方式等發郵件至1851688011@qq.com美女直播全婐APP免费下载將及時溝通與處理。！：首頁 > 大數據 » 開源 SOTA VLN：用 4,000+ 小時後訓練走向零樣本真機泛化