亮源新创发布三项具身智能技术，导航模型零样本迁移四种机器人本体
亮源新创发布LightParkour、LightNav-0和Light REACT三项技术，覆盖全身运动、通用导航与韧性控制，探索Physical AI规模化扩展路径。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
亮源新创在一个多月内连续发布三项具身智能Embodied AI让 AI 通过机器人身体感知并作用于真实世界，不只在屏幕里回答问题。◆ 小白科普 · 现身技术：LightParkour、LightNav-0和Light REACT。三项技术分别面向复杂接触全身运动、通用导航和异常状态下的全身控制，但均围绕其提出的“三段范式”——规模化预训练、规模化对齐和规模化部署把机器人真正放到工作现场长期干活，而不只是在实验室演示。部署规模决定了数据回流和经验积累的速度。◆ 小白科普 · 现身——展开，旨在推动Physical AI能力持续规模化扩展。
LightParkour从简短人类动作种子出发，通过物理仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身与课程学习扩展复杂接触技能。初始动作针对45厘米障碍物，经训练可生成覆盖至75厘米障碍的参考轨迹，对应90厘米高Lightbot 0约83%的身高。该技术进一步通过多专家蒸馏，将行走与三项复杂接触技能整合为统一策略，技能切换不依赖人工规则。部署时仅使用胸前深度相机、本体感知和速度指令，以50 Hz在机载平台运行。
LightNav-0基于Real2仿真到现实Sim2Real先让机器人在虚拟环境训练，再把学到的能力迁移到真实机器。◆ 小白科普 · 现身数据引擎，将2,000+个互联网来源真实场景转化为可复用仿真环境，生成4,000+小时视觉、语言和动作经验。模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身引入Point CoT，先预测目标点和可通行点再生成动作token。在8项消融评测中，平均任务成功率提高8.4个百分点，SPL提高5.7个百分点。通过RVQ动作编码器将连续轨迹压缩为3个动作token。该模型在10个仿真设置中覆盖指令跟随、目标导航和具身视觉跟踪，并零样本迁移到人形、四足、轮式和飞行机器人等本体。官方同时发布了模型、代码和技术报告。
Light REACT全称REsilient humAnoid ConTrol，目标是在外力扰动、跌倒或硬件损伤后，利用剩余全身能力继续移动。与LightParkour和LightNav-0共同构成从训练、对齐到部署的学习闭环，并推动真实世界数据飞轮比喻一种自我强化的循环：机器人干得越多，积累的数据越多，模型就越聪明，活儿就干得更好。◆ 小白科普 · 现身。