记者获悉，近期两项代表性成果展示了机器人自主导航的“质的飞跃”。来自字节跳动的Astra与新加坡国立大学（联合同济大学）提出的CogniPlan，分别从多模态语义理解与生成式空间预测两条路径，构成互补的“双系统”架构，为复杂未知环境下的鲁棒导航提供新思路。

Astra：语义驱动的“全球—局部”协同

Astra采用双模型设计：Astra-Global用多模态大模型承担“战略”任务，理解语言指令并在混合拓扑—语义地图中完成目标定位与自定位；Astra-Local为“战术”模块，基于多相机、IMU与里程计的4D时空编码器实时生成避障轨迹与精确里程计。论文显示，Astra在仓库与办公环境的导航成功率显著提高，局部规划碰撞率和位姿误差均有大幅下降。

该模型的预训练能有效助力规划更安全的路径决策

CogniPlan：生成式预测的认知地图

CogniPlan通过条件WGAN生成多种可能布局，构建多假设自由空间地图；再由图注意力网络评估不确定性与信息增益，做出非短视的探索与导航决策。实验证明，CogniPlan在未知地图的探索与点到点导航中路径更短、回溯更少，且在大尺度场景中展示出更高的体积探索效率。

未来应用展望

两者分别强调“听懂人话、看懂世界”（Astra）与“想得远、走得稳”（CogniPlan）。将语义级预测与多假设空间推断结合，有望在室内服务、仓储和人机共融场景中提升机器人自主性与安全性。下一步挑战在于增强分布外鲁棒性、压缩地图语义表示，并实现实时人机指令协同，推动具身智能向更广泛的实际应用落地。

文/广州日报新花城记者：贺涵甫
广州日报新花城编辑：麦晓颖