儿童节到来之际，一段机器狗在超市里陪母子逛街、提包携物、于人流中穿梭自如的视频在社交平台悄然走红。有网友惊叹：“Ta怎么知道谁是妈妈，谁是孩子？”这是北京中关村科学城企业的一项最新技术成果。昨天（1日），银河通用正式推出自主研发的端到端导航大模型——TrackVLA，具备纯视觉环境感知、语言指令驱动、可自主推理等功能，有望加速机器人走进现实。
非科研人员第一次听到“端到端模型”，会觉得陌生。简单理解，它就像动物的大脑，从“看到的图像”和“听到的指令”直接推理出“怎么走”，中间不需要人为拆分多个步骤。
传统机器人通常以“指令理解-环境感知-目标识别-路径规划”模块化形式单独处理分解的子任务，有的甚至还要对工作环境提前构建地图，而TrackVLA把这些能力整合了。
据了解，TrackVLA能让机器人拥有“听-看-懂-走”的闭环运动能力：一双眼睛看世界、一个智能“大脑”做推理，无需提前建图、不依赖遥操控制，实现语言驱动、泛化感知、自主推理、智能交互与运动。它不依赖提前建好的地图，能靠视觉输入理解环境，哪怕是没见过的商场、电梯、游乐区，它都能像人类一样依靠模型内嵌的环境理解知识“现学现走”。
在TrackVLA的支撑下，人只需对机器狗说一句“跟着妈妈”，它就能立即识别“妈妈”对应的目标位置。如果说“换成跟孩子”，它也能瞬间切换对象，并通过语音回复确认。在人流密集的购物中心，面对复杂的场景、多变的环境中多个相似穿着的人，它能准确识别原始目标并长时自主跟随，避免“认错人”。甚至如果目标走出视野，它也不会原地“发呆”，而是通过实时的空间智能和大模型推理能力“分析”出目标的大致位置，并规划轨迹重新找回目标。
银河通用相关负责人表示，TrackVLA成功在一系列陌生场景中完成了验证：例如在超市穿梭于人流和货架之间，准确跟随母子；根据语音指令切换目标，并在儿童玩耍时发出提醒；从电梯进入陌生商场，完成连续跟随任务；在人群密集的服装店中稳定识别并避让他人干扰；在目标消失后迅速分析并重新定位……
据悉，此次发布TrackVLA后，其机器人导航正式迈入端到端模型可商业化落地的阶段。
儿童节到来之际，一段机器狗在超市里陪母子逛街、提包携物、于人流中穿梭自如的视频在社交平台悄然走红。有网友惊叹：“Ta怎么知道谁是妈妈，谁是孩子？”这是北京中关村科学城企业的一项最新技术成果。昨天（1日），银河通用正式推出自主研发的端到端导航大模型——TrackVLA，具备纯视觉环境感知、语言指令驱动、可自主推理等功能，有望加速机器人走进现实。
非科研人员第一次听到“端到端模型”，会觉得陌生。简单理解，它就像动物的大脑，从“看到的图像”和“听到的指令”直接推理出“怎么走”，中间不需要人为拆分多个步骤。
传统机器人通常以“指令理解-环境感知-目标识别-路径规划”模块化形式单独处理分解的子任务，有的甚至还要对工作环境提前构建地图，而TrackVLA把这些能力整合了。
据了解，TrackVLA能让机器人拥有“听-看-懂-走”的闭环运动能力：一双眼睛看世界、一个智能“大脑”做推理，无需提前建图、不依赖遥操控制，实现语言驱动、泛化感知、自主推理、智能交互与运动。它不依赖提前建好的地图，能靠视觉输入理解环境，哪怕是没见过的商场、电梯、游乐区，它都能像人类一样依靠模型内嵌的环境理解知识“现学现走”。
在TrackVLA的支撑下，人只需对机器狗说一句“跟着妈妈”，它就能立即识别“妈妈”对应的目标位置。如果说“换成跟孩子”，它也能瞬间切换对象，并通过语音回复确认。在人流密集的购物中心，面对复杂的场景、多变的环境中多个相似穿着的人，它能准确识别原始目标并长时自主跟随，避免“认错人”。甚至如果目标走出视野，它也不会原地“发呆”，而是通过实时的空间智能和大模型推理能力“分析”出目标的大致位置，并规划轨迹重新找回目标。
银河通用相关负责人表示，TrackVLA成功在一系列陌生场景中完成了验证：例如在超市穿梭于人流和货架之间，准确跟随母子；根据语音指令切换目标，并在儿童玩耍时发出提醒；从电梯进入陌生商场，完成连续跟随任务；在人群密集的服装店中稳定识别并避让他人干扰；在目标消失后迅速分析并重新定位……
据悉，此次发布TrackVLA后，其机器人导航正式迈入端到端模型可商业化落地的阶段。
