2025 年 6 月 1 日，银河通用发布全球首个产品级端到端具身 FSD 大模型 TrackVLA。以下是对它的详细介绍：
- 模型特点：TrackVLA 是一款具备纯视觉环境感知、语言指令驱动、可自主推理、具备零样本（Zero – Shot）泛化能力的具身大模型。它是由仿真合成动作数据训练的 “视觉 – 语言 – 动作”（Vision – Language – Action，VLA）大模型，让机器人拥有 “听→看→懂→走” 的闭环运动能力，无需提前建图、不依赖遥操控制，真正实现语言驱动、泛化感知、自主推理、智能交互与运动。
- 核心能力
- 自然语言理解与目标识别：协同工作，用户发出指令如 “跟着妈妈”，机器人能迅速锁定目标，也可根据新指令如 “换成跟孩子” 立即切换跟随对象。
- 空间理解和视觉记忆：在人流密集场所，面对复杂场景和穿着相似的人，能准确识别原始目标并长时自主跟随。
- 实时空间智能和推理：目标走出视野，能通过分析目标运动轨迹 “分析出” 目标大致位置，并规划轨迹重新找回目标。
- 纯视觉环境理解：不依赖建图，靠纯视觉输入理解环境，可直接部署在陌生商场、电梯、游乐区等环境，实现长时稳定自主跟随。
- 复杂场景避障：在儿童游乐区、狭窄通道等复杂场景中，能实时识别障碍物，分析可通行区域，自主推理出合理路线。
- 环境适应性强：从室外阳光到室内昏暗、从电梯镜面反射到超市货架夹缝，展现出极强鲁棒性，无需专门调参或切换模式。
- 远程可视守护：通过 App，用户可以实时看到机器人眼中的第一视角，掌握家人动态，系统还能主动提醒风险行为。
- 技能涌现：不仅能稳定跟随人类，还可以泛化至任意移动目标，如跟随路上偶遇的动物狗狗。
- 儿童看护应用：TrackVLA 目前已搭载于宇树机器狗化身 “二宝保镖” 实现儿童看护，并在未训练过的真实场景中完成了严格的长程验证。如在超市中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，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等。
© 版权声明
本网转发此文章，旨在为读者提供更多信息资讯，只用于分享，不做任何商业用途，版权归原作者所有。由于条件所限，在转载之前无法与所有权利人联系授权，可能出现部分原创图片或文字未署名，请联系添加。如有侵权，请联系删除处理。
