InternRobotics/NavDP

解决的问题

NavDP 解决了在无需真实世界机器人数据的情况下，将导航能力从仿真环境迁移到现实世界（sim-to-real）的挑战。它使机器人能够在不同机器人类型之间实现跨实体泛化（cross-embodiment generalization），并完成实时路径规划与障碍物避让，适用于多种任务，如无目标探索、导航至特定点，或导航至目标图像。

工作原理

NavDP 是一个端到端的无地图导航模型，采用扩散策略。它利用高效的仿真数据生成流水线和基于特权信息的特定模型设计，以学习导航行为。系统采用解耦架构，导航模型作为服务器运行，接收 RGB-D 观测数据并生成偏好轨迹，随后由基于 MPC 的控制器进行跟踪。

适用对象

本项目面向从事具身智能（embodied AI）研究的机器人研究人员和开发者，特别是专注于视觉导航、仿真到现实的迁移，以及扩散策略在机器人运动规划中部署的领域。

主要亮点

• 跨实体泛化：无需真实世界数据，即可在多种机器人平台上运行。
• 多任务支持：支持无目标探索、点目标导航和图像目标导航。
• 高保真基准测试：基于 IsaacSim 和 IsaacLab 的平台，具备逼真的物理和场景资产，以最小化仿真与现实之间的差距。
• 解耦架构：通过 HTTP 请求将导航方法与评估过程分离，便于测试新方法。