亮源新创LightNav-0 一模型通吃四机器人本体

时间：2026年9月13日 地点：北京 人物：Roger Jiang（亮源新创 Light Origins 创始人、前 OpenAI/ChatGPT 核心贡献者）、亮源新创 Light Origins 团队 事件详情：9月13日，国内 Physical AI 创业公司亮源新创发布通用导航基础模型 LightNav-0。该模型基于阿里 Qwen3-VL-4B-Instruct 多模态基座，通过 Real2Sim2Real 数据引擎把 2000 余个互联网来源的真实场景转换为可复用的仿真环境，生成 4000 多小时视觉、语言与动作数据。LightNav-0 在 10 个仿真设置中实现 SOTA，并能零样本泛化到人形机器人、四足机器人、轮式机器人和空中机器人四种本体，无需任何针对本体的二次训练。模型权重、推理代码、Apache 2.0 许可证均已开源。 背景：具身智能过去一年技术迭代明显加快，VLA、世界模型、强化学习持续演进，但机器人训练面临"会做一件事"与"在开放环境中长期稳定泛化"的鸿沟，传统数据采集模式难以覆盖大量机器人本体与环境的组合，业内急需一种可规模化对齐的训练范式。 影响：LightNav-0 让一台导航基础模型能够跨本体零样本部署，把视觉、语言、空间、动作统一到同一模型，标志着 Physical AI 从单点能力向"基础模型"路径迈进。该成果将推动机器人导航从单场景专项模型，向"一次训练、跨本体全域部署"的通用范式转变，显著降低具身智能公司为每个新机器人重新采集数据的成本。 总结：亮源新创 LightNav-0 用 Real2Sim2Real 数据引擎，把 2000 个互联网场景转换成 4000 小时训练经验，一模型零样本通吃四种机器人本体，为 Physical AI 的"规模化对齐"路径提供了可复制的范式。 参考来源： https://news.qq.com/rain/a/20260913A06ZNJ00 https://www.qbitai.com/2026/09/488672.html https://www.toutiao.com/article/7684918511257059855 https://www.lightorigins.com/blog/lightnav-0 https://huggingface.co/papers/2608.30935 https://www.lightorigins.com/news https://theresanaiforthat.com/company/lightorigins/repository/LightNav-0