由银河通用牵头，联合北京大学、阿德莱德大学及浙江大学等多家科研机构，共同研发的全球首款跨本体全域环视导航基座大模型NavFoM（Navigation Foundation Model）正式亮相。该模型首次实现了对视觉与语言导航、目标导向导航、视觉追踪及自动驾驶等多元机器人导航任务的统一整合，为机器人技术发展开辟了新路径。
NavFoM的核心突破在于其全场景适应性。无论是室内复杂环境还是室外开放空间，模型均能在未经训练的新场景中直接运行，无需预先构建地图或采集环境数据。这一特性大幅降低了技术落地门槛，用户可直接将模型部署于各类场景，省去传统方案中耗时费力的前期准备工作。
在任务兼容性方面，NavFoM通过自然语言指令实现多任务协同。从四足机器狗到空中无人机，从轮式人形机器人到自动驾驶车辆，不同形态、尺寸的机器人均可基于同一框架完成目标跟随、路径规划等任务。这种设计显著提升了机器人的通用性和开发效率。
技术层面，NavFoM引入了两项创新机制。其一为TVI Tokens（时空视角索引令牌），通过赋予模型时间与方向感知能力，使其能动态理解环境变化；其二为BATS策略（预算感知令牌采样），在计算资源受限时自动优化模型性能，确保低算力设备也能高效运行。这两项技术共同解决了传统导航模型在复杂场景和资源约束下的应用难题。
支撑NavFoM强大能力的，是其构建的跨任务数据集。该数据集包含约800万条覆盖多任务、多机器人的导航数据，以及400万条开放问答数据，规模达同类研究的两倍。海量数据的训练使模型在语言理解与空间语义解析方面表现出色，为后续开发特定场景应用提供了坚实基础。
目前，NavFoM已向开发者开放基础框架，支持通过微调训练定制化应用模型。这一创新不仅推动了机器人导航技术的标准化进程，更为智能设备在物流、服务、探索等领域的广泛应用提供了技术保障。
