繼2025年7月發布空間認知大模型 Manas之后,宇泛智能進一步完善通用
機器人“大小腦”能力體系,正式發布端到端純視覺導航技術 SIDP,標志著機器人從“可被控制”邁向“可自主行動”的關鍵一步。
在具身智能系統中,機器人的移動、操作與任務執行能力并非孤立存在,而是由“大小腦”整體能力共同決定。自主導航作為機器人理解空間、建立環境模型并作出行動決策的基礎能力,是“大腦”能力閉環中的核心入口。
當導航能力從依賴規則、地圖與遙控,升級為穩定的自主決策,機器人才能真正成為可被“使用”的智能體,而非需要持續干預的自動化設備。
端到端純視覺導航
傳統機器人導航,往往要靠多個模塊一步步配合:先感知環境,再建圖定位,接著規劃路徑,最后控制運動。整個流程又復雜、各模塊耦合度又高,只要有一個環節出問題,整體表現就可能受影響。
而端到端純視覺導航走的是更“直接”的路子:從攝像頭采集的視覺信息出發,直接生成機器人的行走軌跡。不用依賴激光雷達,不用提前建圖,也不用設計復雜的規則——就像人一樣,靠“看”就能判斷該怎么走。
業界已有的工作一般使用模仿學習來訓練策略。純模仿學習的擴散策略靠學習大量示例軌跡,讓模型模仿“教師走法”來生成導航路徑,結構上也能實現“輸入視覺、輸出軌跡”的端到端模式。但落到實際應用中,這種方案總有兩個繞不開的問題:一是模型學來的行為太依賴示例數據——數據質量好不好、覆蓋場景全不全,直接影響效果,一旦環境變了,或者遇到示例里沒出現過的場景,導航表現就容易拉胯。二是模型會把示例里“好的走法”和“不太好的走法”一起學進去,推理時得反復生成多條候選路徑再篩選,嚴重影響實時響應速度,特別是在端側設備上。
SIDP
更穩定、更可靠,魯棒性更高
我們這次發布的SIDP技術,在保留擴散策略強大軌跡建模能力的基礎上,巧妙引入了自我學習與持續優化機制。它不只是簡單模仿已有的示例,更關鍵的是能在自己的導航過程中,不斷強化更優的行為經驗,減小不安全、低效率的決策傾向,實現決策與策略更新的過程閉環——這樣生成的路徑,表現得更穩定、更可靠,魯棒性更高。
除了走得穩,走得快也很關鍵。對移動機器人來說,算力和功耗都有限制,導航系統的效率直接決定了它能不能真正落地用起來。而SIDP在訓練階段就已經學會了“少走彎路、直接輸出最優路線”,實際運行時不用反復生成大量候選路徑篩選,能快速給出可執行的高質量軌跡。哪怕是在嵌入式、邊緣設備上,也能實現低延遲、實時響應的導航,為長時間穩定運行打下基礎。
從實驗室到真實場景
經得住考驗的實力
我們把SIDP和目前行業內表現較好的幾款模型做了對比測試,包括上海人工智能實驗室的NavDP、蘇黎世聯邦理工學院(ETH Zurich)的ViPlanner和iPlanner,測試結果如下表所示,SIDP在各種場景都表現出了領先的成功率指標,表明我們提出的策略持續自我進化的閉環機制對自主導航產生了顯著的作用。
目前,這項技術已經在多種機器人平臺、多個真實場景中完成了驗證,覆蓋辦公區、走廊、復雜障礙區域等不同場景。不管是環境結構復雜,還是有動態干擾,系統都能穩定、安全、高效地完成導航。
總結:讓機器人更好地走進真實世界
這次發布的端到端純視覺導航技術 SIDP,不僅減少了機器人對外部傳感器和復雜規則的依賴,更在魯棒性和推理效率上實現了突破——這也為機器人在服務、巡檢、物流等場景的大規模應用,給出了更優的解法。
宇泛智能將持續推進具身智能技術從算法突破走向工程化與產品化落地,并以“自主進化”的技術閉環為核心,將感知、決策與操作能力沉淀為通用的具身操作范式,率先在真實生產環境中完成規模驗證,打造具備持續進化能力的一流通用移動、操作機器人。
版權與免責聲明:
凡本站注明“來源:智能制造網”的所有作品,均為浙江興旺寶明通網絡有限公司-智能制造網合法擁有版權或有權使用的作品,未經本站授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:智能制造網”。違反上述聲明者,本站將追究其相關法律責任。
本站轉載并注明自其它來源(非智能制造網)的作品,目的在于傳遞更多信息,并不代表本站贊同其觀點或和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。如其他媒體、平臺或個人從本站轉載時,必須保留本站注明的作品第一來源,并自負版權等法律責任。如擅自篡改為“稿件來源:智能制造網”,本站將依法追究責任。
鑒于本站稿件來源廣泛、數量較多,如涉及作品內容、版權等問題,請與本站聯系并提供相關證明材料:聯系電話:0571-89719789;郵箱:1271141964@qq.com。