银河通用发布产品级端到端导航大模型TrackVLA

声明：文档由AI根据原文生成。

机器狗超市陪母子逛街视频走红，核心技术来自银河通用

儿童节前夕，一段机器狗在超市内灵活跟随母子二人、提包携物、穿梭于货架与人流之间的视频在社交平台传播。视频中，机器狗无需遥控，仅凭语音指令即可识别并跟随指定目标。该视频由银河通用机器人有限公司发布，为其前沿技术成果展示。

银河通用正式推出自主研发的产品级端到端导航大模型TrackVLA。该模型采用纯视觉环境感知，由自然语言指令驱动，端到端输出语言与机器人动作，属于"视觉-语言-动作"（Vision-Language-Action, VLA）架构，训练数据来自仿真合成动作。

"听→看→懂→走"闭环，无需建图与遥操

TrackVLA将感知、推理、运动与交互能力集成于单一模型。用户通过自然语言发出指令，如"跟着穿黑衣服灰裤子的人"，系统自动识别目标并跟随。面对更复杂场景，模型也能理解"跟着前面带黄色头盔的人""跟着拿粉色袋子的人"等多属性描述。

与传统机器人"指令理解→环境感知→目标识别→路径规划"的模块化路径不同，TrackVLA从图像输入和语言指令直接推理运动输出，无需人为拆分步骤，也无需对工作环境提前建图。银河通用表示，该模型具备零样本（Zero-Shot）泛化能力，可在训练中未见过的新环境中自主导航。

八大能力：换人跟随、防认错、丢失找回、陌生环境部署

TrackVLA展示的核心能力包括：

目标切换与泛化跟随。指令"跟着妈妈"可即时识别对应目标，随时改为"换成跟孩子""换成跟小狗"等任意移动目标，并通过语音回复确认。

密集人流中的持续识别。通过空间理解与视觉记忆机制，在购物中心等多人相似穿着场景中避免"认错人"。

目标丢失后的推理找回。目标走出视野时，模型根据运动轨迹分析大致位置，重新规划路径找回。

陌生环境直接部署。不依赖额外采集数据，可在未训练的商场、电梯、游乐区等环境中长时间稳定跟随。

复杂场景避障。实时识别儿童、玩具、地面水渍等障碍物，分析可通行区域，结合自身构型推理合理路线。

光线变化鲁棒性。应对室外阳光、室内昏暗、电梯镜面反射、货架夹缝等条件，无需调参或切换模式。

远程可视守护。通过App实时查看机器人第一视角，主动提醒小朋友奔跑、老人跌倒等风险行为。

技能涌现。训练未涉及的跟随对象——如偶遇的动物犬——也能实现稳定跟随。

单一模型驱动多项长程验证

银河通用披露，TrackVLA在多个未训练过的真实场景中完成严格验证：超市人流货架间准确跟随母子；根据语音切换目标并在儿童玩耍时发出提醒；自主认知本体能力并推理分析；从电梯进入陌生商场完成连续跟随；人群密集服装店中稳定识别并避让干扰；目标消失后迅速重新定位。上述展示均由TrackVLA单一模型驱动。

银河通用将TrackVLA定位为"业界首个产品级端到端具身FSD大模型"，称其从视觉感知、智能决策到物理执行构建闭环架构，为具身大模型机器人走进现实世界奠定通用能力基础。该模型将赋能不同形态机器人本体，应用场景涵盖家庭陪伴、老人守护、商场巡逻、室内物流等。