銀河通用近日聯(lián)合北京大學(xué)、阿德萊德大學(xué)及浙江大學(xué)等科研團(tuán)隊(duì)，正式推出全球首個(gè)跨本體全域環(huán)視導(dǎo)航基座大模型NavFoM。這一突破性成果標(biāo)志著具身智能領(lǐng)域從單一任務(wù)模型向通用智能基座的跨越，為機(jī)器人規(guī)模化商業(yè)應(yīng)用奠定關(guān)鍵技術(shù)基礎(chǔ)。該模型通過統(tǒng)一范式實(shí)現(xiàn)多任務(wù)、全場(chǎng)景、跨本體的導(dǎo)航能力，使機(jī)器人首次具備類似人類的通用方向感知能力。

傳統(tǒng)導(dǎo)航技術(shù)長(zhǎng)期面臨碎片化困境：不同任務(wù)（如跟隨、搜索、駕駛）需獨(dú)立開發(fā)算法，不同形態(tài)機(jī)器人（四足、人形、無人機(jī)）需單獨(dú)訓(xùn)練模型。這種割裂導(dǎo)致模型訓(xùn)練效率低下、二次開發(fā)成本高昂，嚴(yán)重制約商業(yè)化進(jìn)程。NavFoM通過構(gòu)建"視頻流+文本指令→動(dòng)作軌跡"的統(tǒng)一范式，將視覺語言導(dǎo)航、目標(biāo)導(dǎo)航、視覺跟蹤及自動(dòng)駕駛等任務(wù)整合到同一框架，實(shí)現(xiàn)跨任務(wù)知識(shí)遷移與跨本體經(jīng)驗(yàn)共享。例如，四足機(jī)器人學(xué)到的避障策略可遷移至無人機(jī)，自動(dòng)駕駛的路徑規(guī)劃能力可反哺室內(nèi)機(jī)器人。

技術(shù)實(shí)現(xiàn)層面，NavFoM創(chuàng)新采用兩項(xiàng)核心機(jī)制：其一，TVI Tokens（時(shí)空索引標(biāo)記）技術(shù)為每幀畫面添加時(shí)間軸與方向羅盤，使模型理解空間連續(xù)變化，兼容單目、環(huán)視、無人機(jī)等多視角輸入；其二，BATS策略（預(yù)算感知標(biāo)記采樣）模擬人類注意力機(jī)制，動(dòng)態(tài)篩選關(guān)鍵幀，在7B參數(shù)規(guī)模下實(shí)現(xiàn)毫秒級(jí)響應(yīng)。實(shí)驗(yàn)數(shù)據(jù)顯示，該模型在VLN-CE、HM3D-OVON等國(guó)際基準(zhǔn)測(cè)試中刷新多項(xiàng)紀(jì)錄，尤其在長(zhǎng)程導(dǎo)航、復(fù)雜地形規(guī)劃等任務(wù)中展現(xiàn)卓越泛化能力。

訓(xùn)練數(shù)據(jù)體系構(gòu)建是另一關(guān)鍵突破。研究團(tuán)隊(duì)構(gòu)建了包含1200萬條跨任務(wù)數(shù)據(jù)的訓(xùn)練集，涵蓋八百萬條導(dǎo)航數(shù)據(jù)（覆蓋視覺語言導(dǎo)航、目標(biāo)導(dǎo)航、自動(dòng)駕駛等）及四百萬條開放問答數(shù)據(jù)。通過視覺特征緩存機(jī)制降低計(jì)算開銷，使模型在仿真環(huán)境中學(xué)習(xí)后可直接部署于真實(shí)機(jī)器人。實(shí)測(cè)中，NavFoM成功驅(qū)動(dòng)四足機(jī)器人完成30分鐘以上穩(wěn)定跟隨、輪式機(jī)器人實(shí)現(xiàn)室內(nèi)外混合導(dǎo)航、無人機(jī)在復(fù)雜地形規(guī)劃飛行，甚至支持自動(dòng)駕駛系統(tǒng)進(jìn)行路徑推理與避障決策。

基于NavFoM的統(tǒng)一架構(gòu)，銀河通用同步推出三大應(yīng)用模型：TrackVLA++實(shí)現(xiàn)超長(zhǎng)程穩(wěn)定跟隨，支持室內(nèi)外復(fù)雜地形；UrbanVLA打通第三方地圖軟件，可在城市街道、天橋等環(huán)境中自主規(guī)劃最優(yōu)路徑；MM-Nav突破傳統(tǒng)避障極限，首次實(shí)現(xiàn)360°無死角厘米級(jí)純視覺避障，能精準(zhǔn)識(shí)別玻璃、細(xì)線等透明或細(xì)小障礙物。這三個(gè)模型共同構(gòu)建起覆蓋室內(nèi)到城市、汽車到無人機(jī)的完整導(dǎo)航體系，推動(dòng)具身智能從實(shí)驗(yàn)室走向真實(shí)商業(yè)場(chǎng)景。

此次技術(shù)突破不僅重新定義了機(jī)器人導(dǎo)航的底層邏輯，更通過體系化模型能力為具身智能大規(guī)模落地提供關(guān)鍵支撐。NavFoM與銀河通用此前發(fā)布的操作基座大模型GraspVLA、GroceryVLA形成技術(shù)閉環(huán)，共同支撐起"讓機(jī)器人走進(jìn)千家萬戶、服務(wù)千行百業(yè)"的商業(yè)愿景。從學(xué)習(xí)特定任務(wù)到理解通用知識(shí)，這項(xiàng)成果標(biāo)志著機(jī)器人真正獲得"理解空間、適應(yīng)變化、自主行走"的核心能力，為具身智能發(fā)展開辟全新路徑。