Robostral Navigate：8B 單目 RGB 導航模型的擴充套件性新範式
為何重要
此研究打破單目導航技術與多功能機器人之間的壁壘，將導航系統的部署成本大幅降低，特別適合資源受限的邊緣計算與新型態機器人（如飛行器）的實際落地。在模型訓練方面，研究提出的樹狀注意力機制與資料快取策略證明可將複雜任務的訓練效率提升數十倍，為未來視覺語言模型在具體任務上的高效遷移與擴充提供了關鍵技術範本。
- 研究提出 Robostral Navigate，這是一個專注於擴充套件性的 8B 視覺語言模型，僅輸入單目 RGB 影像流即可預測路徑點，並具備適用輪式、足式及飛行器機器人的魯棒性。
- 透過 Prefix-caching 訓練配方，將訓練 token 數量減少 22 倍，並將從環境到訓練完成的時間從數月縮短至數天。
- 在 R2R-CE（Room-to-Room）基準測試中達到 77.4% 成功率，超越最佳單目方法 10.5 個百分點，亦優於最佳深度或多攝影頭系統 5.3 個百分點。