LightNav-0: Tek Navigasyon Modeli, LimX Oli ve TRON 2

Kurgu bir film setinde geçer. Açılış kartı problemi koyar: yönetmen yeşil tişörtlü sahne görevlisini bulamamaktadır. Oli'ye verilen komut ekranın altında okunur: "Walk forward, find then follow the man in the green T-shirt" (ileri yürü, yeşil tişörtlü adamı bul ve takip et). Robotun kendi kamerasından alınan görüntünün üstüne modelin arayüzü bindirilmiştir: komut metni, adım sayacı, çıkarım frekansı, üç eksenli hız komutu (ileri, yanal, dönüş) ve zemine yansıtılan mavi hedef bölgesi. Ara kartlar modelin evrelerini adlandırır: doğal dil komutunun anlaşılması, uzamsal akıl yürütmenin tamamlanması, yeşil tişörtlü kişinin konumlanması ve hedef noktaya seyir.

İkinci sahnede komut TRON 2'ye geçer: "Find the yellow box and stop in front of it" (sarı kutuyu bul ve önünde dur). Robot stüdyodaki ışık ayakları ve sandıklar arasından geçip kutunun önünde durur; kart "Found it!" der. Kapanış sahnesinde bir kişi elinde ekipman arabasıyla yürürken TRON 2 tekerlekli formda arkasından gelir, Oli de aynı sette yürür. Son kart iş birliğini yazar: LimX Dynamics × Light Origins, LightNav-0 × Oli | TRON 2. Videoda anlatım yoktur; müzik ve ekran yazılarıyla ilerler.

Arayüzde okunan değerler videonun kendi karelerinden alınmıştır: çıkarım frekansı Oli sahnesinde 5 Hz civarında, TRON 2 sahnesinde 5,6 Hz civarında görünür; ileri hız komutu her iki robotta da 1,5 m/s dolayındadır. Bunlar yayımlanmış bir teknik özellik değil, gösterimdeki anlık okumalardır.

LightNav-0, Pekin, Shenzhen ve Singapur merkezli Light Origins ekibinin 1 Eylül 2026'da yayımladığı genel amaçlı navigasyon modelidir; teknik rapor 31 Ağustos 2026'da arXiv'e (2608.30935) konmuş, ağırlıklar Hugging Face'te, kod GitHub'da Apache 2.0 lisansıyla açılmıştır. Model, önceden eğitilmiş bir görsel-dil modelinin (Qwen3-VL-4B-Instruct, 4 milyar parametre) uzamsal zekasını navigasyona hizalar. Ekibin vurgusu mimari sadeliktedir: modele navigasyona özel hiçbir modül eklenmemiştir; ne ara nokta tahmincisi, ne göreve özel eylem başlığı, ne de gövdeye özel uzman. Yalnızca sözlük genişletilmiştir.

Her karar adımında model, zaman damgalı birinci şahıs RGB görüntü geçmişi ile doğal dil komutunu tek bir dizide okur ve iki şey üretir. Birincisi çift kanallı işaretleme: biri yapılabilir yerel yönü ya da boş alandaki ara noktayı gösteren olanak noktası, diğeri görev hedefini gösteren nesne noktası; ikisi de görüntü ızgarasında birer jeton olarak çıkar ve planı eyleme geçmeden önce piksellere bağlar. İkincisi üç adet RVQ eylem jetonu: bunlar 10 adımlık bir SE(2) yörüngesine (düzlemde konum ve yönelim) çözülür. Kaba kod defteri yaklaşık 0,9 m, iki artık kod defteri 7 cm ve 4 cm çözünürlük verir; ilk jeton tek başına bile yürütülebilir kaba bir yörünge üretir.

Görev semantiği tamamen komuttan gelir; görev tanımlayıcı bir jeton yoktur. Bu yüzden komut takibi, açık sözlüklü nesne arama ve görsel takip aynı modelde yaşar ve farklı robot gövdelerine ek eğitim olmadan aktarılır. Geçmiş görüntüler unutma eğrisi mantığıyla sıkıştırılır: eski kareler daha seyrek ve daha kaba, güncel kare en ince ayrıntıda tutulur. Eğitim verisi 2.000'den fazla gerçek dünya sahnesinden türetilmiş 4.000 saatten fazla görsel-dil-eylem deneyimidir; eğitim üç aşamada yürütülür: somut akıl yürütme ara eğitimi, denetimli ince ayar ve çevrimiçi pekiştirmeli öğrenme.

Ekip tüm sonuçları tek bir ortak kontrol noktasıyla ve tek ileri RGB akışıyla bildirir; derinlik, odometri ya da panoramik kamera düzeneği kullanılmaz. Aşağıdaki değerler GitHub deposundaki tablolardan alınmıştır.

Ölçekleme analizi kurumsal planlama için öğreticidir. Model boyutu 4 milyar parametrede doyar; 8 milyarlık sürüm karışık ve çoğunlukla biraz daha kötü sonuç verir. Veri hacmi artışı getirisi azalarak sürer. Getirisi azalmayan tek eksen ortam çeşitliliğidir: eğitim ortamlarının sekizde birinden tamamına çıkmak R2R'de başarıyı 16,7 puan, RxR'de 21,1 puan yükseltir. Ekibin sonucu nettir: güvenilir kaldıraç parametre ya da saat değil, sahne çeşitliliğidir.

Dağıtım mimarisi ayrık kurgulanmıştır. Model bir GPU sunucusunda lightnav-serve arkasında çalışır; robot tarafında yalnızca ince bir WebSocket istemcisi durur. İstemci JPEG kareleri ve komutu sunucuya akıtır, her kontrol periyodunda dönen yörüngenin ilk ara noktasını yürütür. Birden fazla robot aynı sunucuyu paylaşabilir; oturumlar mikro yığınlar halinde işlenir. Robotun kendi düşük seviyeli denetleyicisi (yürüyüş, tekerlek, denge) modelin dışında kalır; modelin gövdeden bağımsız kalmasını sağlayan tam olarak bu ara yüzdür: SE(2) ara noktaları her gövdenin kendi denetleyicisine teslim edilir.

Depoda hazır bir ROS 2 robot yığını da yayımlanmıştır: kamera sürücüsü, WebSocket istemcisi, model öngörülü kontrol (MPC) tabanlı ara nokta izleyici ve web kontrol paneli. Yayımlanan adaptörler Unitree Go2 ve LimX TRON 1 içindir; kendi robotunu bağlamak isteyen ekipler için adaptör arayüzü tanımlanmıştır.

Komut dili de belgelenmiştir. Yönler odaya değil robota görelidir. Videodaki iki komut da bu şablona birebir uyar.

LimX Oli, üç sürümde sunulan tam boy genel amaçlı insansı robottur: Lite ve EDU 165 cm, Super 175 cm boyundadır; aktif serbestlik derecesi sürüme göre 31, 33 ve 43'tür (bacak başına 6, kol başına 7, bel 3, boyun 2). Ağırlık batarya dahil 55 kg'ın altında (Lite, EDU) ya da 60 kg'ın altında (Super) kalır; batarya ve modüller hızlı değiştirilebilir. Videoda Oli iki ayak üzerinde yürüyerek kişiyi takip eder.

LimX TRON 2 ise üç form sunan gezgin manipülasyon platformudur: çift kol, tekerlekli bacak ve taban. Kol başına 7, bacak başına 5 serbestlik derecesi ve 2 eksenli aktif görüş başı taşır; kol başına azami 5 kg (uzatılmış durumda 3 kg) yük kaldırır. Dört yönde hareket, yerinde çömelme, gövde yüksekliği ayarı ve düştükten sonra ayağa kalkma yetenekleri üreticinin tablosundadır. Videoda TRON 2 tekerlekli bacak formundadır; düz stüdyo zemininde tekerlekle ilerleyip sarı kutunun önünde durur.

Gösterimin asıl iddiası bu iki gövdenin farkındadır. Biri iki ayaklı, diğeri tekerlekli bacaklı; kamera yükseklikleri, hızları ve denetleyicileri farklıdır. Aynı model ağırlıkları, aynı jeton arayüzüyle ikisine de komut verir; gövdeye özgü olan tek şey, ara noktaları hareket komutuna çeviren düşük seviyeli katmandır.

Birinci sonuç: navigasyon, donanımdan ayrışan bir yazılım katmanına dönüşüyor. Bugüne kadar robot tedarikinde navigasyon yeteneği satıcının kapalı yazılımıyla geliyordu; açık ağırlıklı ve Apache 2.0 lisanslı bir model, Ar-Ge ekibinin bu katmanı kendi GPU sunucusunda, kendi verisiyle ve kendi robot filosuyla işletmesine izin verir. Aynı sunucunun birden fazla robota hizmet vermesi filo mimarisi açısından ayrıca önemlidir.

İkinci sonuç: sensör listesi kısalıyor. Model yalnızca tek bir ileri RGB kamerayla çalışır; derinlik kamerası, LiDAR ya da panoramik düzenek gerektirmez. Bu, özellikle araştırma platformlarında maliyet ve entegrasyon yükünü düşürür. Buna karşılık güvenlik kritik uygulamalarda engel algılama ve acil durdurma için bağımsız bir güvenlik katmanı gerekmeye devam eder; model bir navigasyon politikasıdır, sertifikalı bir güvenlik sistemi değildir.

Üçüncü sonuç ölçek hakkındadır. Gösterim kontrollü bir stüdyoda, iki komutla yapılmıştır. Yayımlanan INSIGHT-Bench sonucu (yüzde 43,7 başarı) gerçek dünya dağılımında modelin her komutu tamamlamadığını açıkça gösterir. Kurumsal bir pilotta doğru başlangıç, videodaki iki görevin kendisidir: bir kişiyi takip etme (saha rehberliği, malzeme taşıma refakati) ve tarif edilen nesneye gidip durma (getir-götür görevlerinin ilk adımı). Bu iki görev ölçülebilir kabul kriterleriyle tanımlanabilir ve modelin sahanızdaki başarısı benchmark yerine kendi ortamınızda sayılır.

Türkiye'de LimX donanımlarını kurumsal projelere tedarik, devreye alma ve mühendislik desteğiyle sağlıyoruz; hazır adaptörü yayımlanmış Unitree Go2 ise stoklu, garantili ve teknik destek protokolüne (SLA) bağlı tedarik edilir. LightNav-0 ile pilot kurmak isteyen ekipler için robot seçimi, GPU sunucu boyutlandırması ve kabul kriterlerini birlikte çıkarırız; teknik şartnamenizi göndermeniz yeterlidir.