2,000+ 真實場景搬進模擬！一個導航模型零樣本「通吃」四種機器人本體
為何重要
亮源新創提出的「三段範式」（預訓練、對齊、部署）試圖重現 LLM 的通用化路徑。透過將真實世界資料搬進模擬來解決機器人訓練資料稀缺與成本高昂的痛點，這是機器人領域從 Demo 轉向真正基礎模型（Physical AI）的關鍵一步。對開發者而言，這意味著可以採用與 LLM 相似的 Scaling 思維來應對機器人的多樣化與開放環境挑戰。 對投資人而言，鏡頭從「單點技巧」轉向「底層基礎模型體系」，若此方法能降低訓練與部署門檻，將大幅加速機器人產業的商業化時程。
亮源新創發布導航模型 LightNav-0，透過 Real2Sim2Real 技術將 2,000+ 個網際網路來源的真實場景轉化為可重學的模擬環境，實現跨不同機器人本體的零樣本泛化。
- 使用 Real2Sim2Real 資料引擎，將 2,000+ 個真實場景轉換為模擬環境，生成 4,000+ 小時的視覺、語言和動作經驗。
- 覆蓋 10 個模擬設定（包含指令跟隨、目標導航、視覺跟蹤），並零樣本遷移至人形、四足、輪式及飛行機器人。
- 引入 Point CoT 將推理流程改為「視覺語言理解→空間推理→動作生成」，在消融實驗中平均任務成功率提升 8.4 個百分點。