让机器人离“满大街跑”更近一步：银河通用发布产品级端到端导航大模型 TrackVLA

儿童节到来之际，一段机器狗在超市里灵活陪母子逛街、提包携物、于人流中穿梭自如的视频，在社交平台悄然走红。许多网友惊叹：“Ta怎么知道谁是妈妈，谁是孩子？” “不靠遥控也能自己跟着人走？！”

这不是摆拍，而是一项刚刚发布的前沿技术成果。银河通用正式推出自主研发的产品级端到端导航大模型——TrackVLA，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，让机器人“满大街跑”的想象从电影走进现实。

什么是 TrackVLA？一句话说清楚！

TrackVLA 是银河通用推出的产品级导航大模型，纯视觉环境感知、自然语言指令驱动、端到端输出语言和机器人动作，是一个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。

它让机器人拥有“听→看→懂→走”的闭环运动能力：一双眼睛看世界、一个智能“大脑”做推理，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。

“端到端”是什么？为什么重要？

非科研人员第一次听到“端到端（End-to-End）模型”这个词时，会觉得陌生。简单理解，它就像动物的大脑，从“看到的图像”和“听到的指令”直接推理出“怎么走”，中间不需要人为拆分多个步骤。

传统机器人通常以“指令理解→环境感知→目标识别→路径规划”模块化的形式单独处理分解的子任务，有的甚至还要对工作环境提前构建地图，而TrackVLA把这些能力通过一个统一的模型完成，带来三大好处：

善运动、会思考、易交互：TrackVLA用一个大模型集成了感知能力、推理能力、运动能力和交互能力。可在复杂工作环境中清晰辨明服务对象，提供智能专属服务，从而实现产品级的交互体验。

无需建图，轻松部署：TrackVLA让机器人不再需要提前建图，而是像人一样可以在不同环境中自主导航。哪怕是没见过的商场、电梯、游乐区，它都能像人类一样依靠模型内嵌的环境理解知识“现学现走”。

这就是为什么我们说它具备真正的 “Zero-Shot Navigation”——即便是在训练中从未见过的场景中，它也能精确导航、自主推理、稳定跟随、智能交互。

TrackVLA 到底能做什么？八大核心能力，一起看懂！

1. 听得懂你说话，还能换人跟

你只需说一句：“跟着妈妈”，它就能立即识别“妈妈”对应的目标位置。如果改口说“换成跟孩子”，它也能瞬间切换对象，并通过语音回复确认。甚至，Ta还能跟踪你的宠物。这背后，是模型具备的自然语言理解与目标识别能力的协同工作。

2. 不怕人多也不跟错人

在人流密集的购物中心中，面对复杂的场景、多变的环境中多个相似穿着的人，它能准确识别原始目标并长时自主跟随。通过空间理解和视觉记忆机制，避免“认错人”。

3. 丢了目标能找回来

如果目标走出视野，它不会原地“发呆”，而是通过实时的空间智能和大模型推理能力根据目标运动轨迹“分析出”目标的大致位置，并规划轨迹重新找回目标。

4. 从没见过的地方也能走

TrackVLA不依赖建图，靠纯视觉输入理解环境。可在不依赖额外采集训练数据的情况下，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。

5. 灵活避障，适应复杂场景

在儿童游乐区、狭窄通道等复杂场景中，它能实时识别障碍物（包括儿童、玩具、地面水渍等），分析可通行区域，并可正确认知自身本体能力，自主推理出自身构型支持的合理路线。

6. 环境光线变化？不怕

从室外阳光到室内昏暗、从电梯镜面反射到超市货架夹缝，TrackVLA展现出极强鲁棒性，无需专门调参或切换模式。

7. 远程可视守护，一目了然

通过 App，你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（如小朋友奔跑、老人跌倒），提供“移动守护”。

8. 技能涌现！

TrackVLA不仅能稳定跟随人类，还可以泛化至任意移动目标。比如视频最后展示了让机器狗跟随一只路上偶遇的动物狗狗，其目标形态、运动方式、遮挡情况都非常不确定。 TrackVLA 也表现了同样稳定的跟随能力，而这一能力是训练时从而教过的！

不止是科技秀，更是“现实落地”

TrackVLA首次在未训练过的真实场景中完成了严格的长程验证：

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，并在儿童玩耍时发出提醒；

正确认知自身本体能力，利用大模型自主推理分析；

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；

在目标消失后迅速分析并重新定位……

所有这些，均由TrackVLA单一模型驱动完成，真正意义上实现了具身智能在复杂动态环境中的产品级自主导航跟随能力。

TrackVLA的发布，是银河通用具身大模型发展战略的重要里程碑，标志着多项关键突破的同步实现并已达到产品级能力。

机器人导航正式迈入端到端模型可商业化落地的阶段，TrackVLA无需建图、不依赖遥控、自主推理、智能交互。

从陪伴儿童到守护老人，从商场巡逻到室内物流，机器人在泛服务场景中的应用路径已经被银河通用带到公众面前。具身智能真正具备了“看得懂、想得明白、动得起来”的一体化能力——即由视觉感知（眼）、智能决策（脑）到物理执行（腿）的全链路闭环，为具身大模型走向现实世界奠定了通用能力基础。

未来已至，温暖可感；进化不止，银河相伴

这个儿童节，银河通用为大家带来了不一样的“机器人陪伴者”。Ta不再是一个冰冷的机器，而是一个会看、能懂、善陪伴的智能伙伴、一个新的社会成员。

TrackVLA 不只是前沿技术突破，而是银河通用推进“通用具身智能机器人”落地过程中的重要里程碑。接下来，TrackVLA 将赋能不同形态的机器人本体，加速具身智能整个行业在不同维度的产品落地，打造更加繁荣的产业生态，提供多样的社会服务并创造更多样的社会价值。

我们期待，在不远的将来，每个家庭、每个需要守护的地方，都有“银河通用家族的成员”在守护你。