Light Origins libera LightNav‑0, modelo de navegación generalista basado en Qwen3‑VL‑4B
El nuevo modelo, entrenado con más de 2 000 escenas y 4 000 horas de datos VLA, supera diez benchmarks de navegación monocular en pruebas zero‑shot.
Light Origins ha puesto a disposición del público el código y los pesos de LightNav‑0, un modelo de navegación generalista construido sobre la arquitectura Qwen3‑VL‑4B. El entrenamiento siguió la estrategia Real2Sim2Real, combinando datos de entornos reales y simulados para cubrir más de 2 000 escenarios distintos y acumular más de 4 000 horas de secuencias de visión‑líder‑acción (VLA).
En evaluaciones de referencia, LightNav‑0 lideró diez bancas de navegación monocular, logrando resultados superiores sin necesidad de ajuste fino (zero‑shot) y con transferencia directa al cuerpo del robot. La combinación de visión y lenguaje del modelo Qwen3‑VL‑4B permite interpretar descripciones textuales del entorno mientras procesa la señal visual, facilitando decisiones de movimiento en tiempo real.
El repositorio incluye scripts para reproducir el entrenamiento, herramientas de inferencia y ejemplos de integración con plataformas de simulación como Habitat y AirSim. La licencia es Apache 2.0, lo que permite su uso comercial y la incorporación en proyectos propietarios sin restricciones adicionales.
Para los equipos de desarrollo de robótica y automatización, LightNav‑0 representa una alternativa lista para usar que reduce la carga de crear datasets propios. Además, al estar basado en un modelo multimodal de gran escala, puede ampliarse fácilmente con fine‑tuning específico para dominios como logística interna o inspección de infraestructuras.
Queda pendiente ver cómo se comporta LightNav‑0 en entornos altamente dinámicos y con sensores más allá de cámaras RGB, pero la publicación abre la puerta a pruebas de transferencia de cuerpo y a la creación de pipelines de navegación más robustos sin depender de modelos propietarios.
