InternVLA·N1 – 上海AI Lab開源的端到端雙系統導航大模型

核心亮點： InternVLA·N1是上海人工智能實驗室推出的創新性端到端導航大模型，采用獨特的雙系統協同架構，實現精準的語言指令理解、長程路徑規劃及高頻敏捷的避障能力。模型完全基于合成數據訓練，成本效益高，并在真實場景中展現出卓越的零樣本泛化能力，能勝任“跨樓宇長距離”的聽令行走及密集障礙物間的靈活穿梭。

InternVLA·N1：引領智能導航新紀元

InternVLA·N1，一項由上海人工智能實驗室傾力打造的性開源項目，標志著端到端導航大模型領域的一大飛躍。它巧妙地融合了先進的雙系統架構，旨在實現前所未有的導航精度與響應速度。

雙系統協同，智慧導航

該模型的獨特之處在于其創新的雙系統設計。系統二作為智慧大腦，肩負起理解復雜語言指令的重任，并能精準規劃長距離的行動路線。與此同時，系統一則扮演著敏捷的執行者，專注于高頻環境感知，以實現即時響應和靈巧的避障，確保導航過程的流暢與安全。

合成數據驅動，低成本高效率

InternVLA·N1的訓練過程堪稱高效典范。模型完全依賴于合成數據進行學習，通過海量的數字場景資產和豐富的多模態語料，得以在極低的成本下實現訓練。這一策略不僅縮短了開發周期，也顯著提升了模型的訓練效率。

卓越泛化，真實場景中的非凡表現

盡管完全基于合成數據訓練，InternVLA·N1卻在真實世界中展現出了驚人的零樣本泛化能力。它能夠在復雜的真實場景中，以60Hz的高幀率執行“跨樓宇長距離”的聽令行走任務，并在密集障礙物之間進行如履平地般的敏捷避障。在多項主流基準測試中，該模型均取得了國際領先的成績，充分證明了其強大的適應性和可靠性。

核心功能一覽

• 精通語言，規劃未來：系統二能夠深入理解自然語言指令，結合視覺信息，預測并規劃出到達目標像素的最優路徑，展現出強大的長程空間推理能力。
• 瞬時響應，敏捷避險：系統一以極高的頻率監測環境變化，確保在動態環境中能夠迅速做出反應，有效規避障礙，精準抵達目的地。
• 合成數據賦能，訓練革新：完全采用合成數據進行訓練，通過規模化的數字場景和海量多模態數據，實現了訓練成本的最小化和效率的最大化。
• 無懼未知，泛化無憂：僅憑合成數據訓練，即可在真實環境中實現高幀率的遠距離聽令行走和精密的障礙物規避，其泛化能力令人矚目。
• 多場景適用，性能卓越：在各類權威測試中表現突出，成績斐然，使其能夠勝任各種復雜環境下的導航任務。

技術原理深度解析

• 創新雙系統架構：系統一與系統二的協同工作是其核心。系統二負責宏觀的指令理解與路徑規劃，而系統一則專注于微觀的實時感知與快速響應，二者形成高效互補。
• 異步推理，效率至上：系統一和系統二采用異步推理機制，系統一能夠更頻繁地處理環境信息，實現敏捷避障，而系統二則專注于長程規劃，有效避免了同步推理帶來的延遲和復雜性。
• 純合成數據驅動：通過先進的數據合成技術，利用大規模數字場景資產與多模態語料，構建了強大的合成數據集，為模型的低成本高效訓練奠定了基礎。
• 兩階段課程訓練策略：模型的訓練過程分為預訓練和聯調兩個階段。預訓練階段側重于系統二的路徑規劃能力，聯調階段則致力于優化兩個系統的協同工作，全面提升導航性能。
• 多模態信息深度融合：模型能夠無縫融合視覺與語言信息，通過多模態大模型的強大能力，深刻理解復雜環境，并精準執行導航任務，從而在真實場景中表現出色。

獲取InternVLA·N1

• 項目官網：https://internrobotics.github.io/internvla-n1.github.io/
• GitHub倉庫：https://github.com/InternRobotics/InternNav
• Hugging Face模型庫：https://huggingface.co/InternRobotics/InternVLA-N1
• 技術論文：https://internrobotics.github.io/internvla-n1.github.io/static/pdfs/InternVLA_N1.pdf

廣泛的應用前景

• 智能機器人導航：為各類服務機器人、物流機器人等提供強大的自主導航能力，使其能在復雜環境中根據語音指令高效行動。
• 自動駕駛輔助：為自動駕駛系統提供關鍵的路徑規劃和障礙物規避支持，顯著提升行車安全。
• 虛擬與增強現實：在VR/AR領域，為用戶提供更自然、更具沉浸感的交互體驗，例如在虛擬空間內的語音導航。
• 智能安防監控：賦能智能安防系統，實現自動化巡邏和對突發的快速響應。
• 工業自動化升級：為工業自動化設備提供精準導航與操作指導，優化生產流程，提升安全性。
• 智能導覽服務創新：在博物館、展館等場所，提供個性化導覽服務，豐富參觀者的體驗。