银河通用联合北京大学、阿德莱德大学、浙江大学等顶尖科研团队，正式推出全球首个跨本体全域环视导航基座大模型NavFoM（Navigation Foundation Model）。该模型突破传统导航系统对预设场景的依赖，使机器人能够在完全未知的环境中自主决策路径规划与动态避障，标志着机器人空间感知能力迈入全新阶段。
相较于今年6月发布的端到端导航大模型TrackVLA，NavFoM实现了从被动跟随到主动决策的跨越。在甜点配送测试中，搭载该模型的机器狗不仅能实时追踪用户移动轨迹，当目标进入密集人群时，可自主计算最优避障路径；当视觉信号中断时，系统能通过空间记忆重构导航策略，确保任务连续性。实验数据显示，机器狗在跨场景切换时的决策延迟低于200毫秒，达到人类即时反应水平。
该模型的核心创新在于构建了"视频流+文本指令→动作轨迹"的端到端学习范式。通过TVI Tokens技术，系统为每帧视觉数据添加时空坐标系，使模型能够理解画面间的时序关联与空间变换。例如在过街天桥场景中，机器狗可识别斑马线位置、预判行人动向，并动态调整步态参数完成上下楼梯动作。BATS策略则通过注意力机制实现计算资源优化，在7B参数规模下仍保持毫秒级响应速度。
训练数据层面，研究团队构建了包含1200万条多模态数据的超大规模数据集，其中800万条为跨本体导航数据，覆盖四足机器人、轮式机器人、无人机等12种异构平台；400万条开放问答数据则强化了模型的空间语义理解能力。通过视觉特征缓存技术，数据预处理效率提升3倍，使模型训练成本降低45%。
在基准测试中，NavFoM在VLN-CE、HM3D-OVON等5项国际权威指标上刷新纪录，特别是在零样本学习场景下，目标搜索成功率提升27%。真实环境部署测试显示，轮式机器人可完成5公里混合路况导航，无人机能在复杂地形中规划最优飞行路径，自动驾驶系统则实现了动态障碍物的实时避让。
基于统一架构，研究团队同步推出三个垂直领域模型：TrackVLA++将长程跟随时间扩展至30分钟，支持跨楼层定位；UrbanVLA接入第三方地图API，实现城市级路径规划；MM-Nav则通过360°纯视觉方案，解决了透明障碍物检测的行业难题。这些模型已在实际场景中完成验证，显示出强大的环境适应能力。
