NavDP Nedir?
NavDP: Learning Sim-to-Real Navigation Diffusion Policy with Privileged Information Guidance, Shanghai AI Laboratory, Tsinghua Üniversitesi, Zhejiang Üniversitesi ve Hong Kong Üniversitesi araştırmacılarının ortak çalışması. arXiv:2505.08712 künyesiyle yayımlandı ve ICRA 2026'ya kabul edildi.
Yöntem uçtan uca ve haritasız çalışıyor: robot önceden çıkarılmış bir harita kullanmıyor, RGB-D gözlemlerinden doğrudan yörünge üretiyor. Mimari, yörünge üretimi ile yörünge değerlendirmesini birlikte öğrenen tek bir transformer üzerine kurulu. Görsel temsil olarak Depth Anything V2 kullanılıyor.
Eğitim tamamen simülasyonda yapılmış: 3.000 sahnede bir milyon metreyi aşan navigasyon deneyimi üretilmiş. Yani gerçek robot verisi toplamadan gerçek dünyaya aktarım hedefleniyor — sahada veri toplamanın maliyeti düşünüldüğünde kritik bir tercih.
Hangi Görevleri Çözüyor?
Depo dört navigasyon görevi tanımlıyor:
- NoGoal keşif — hedef verilmeden ortamı gezme
- PointGoal — koordinatla verilen noktaya gitme
- ImageGoal — hedefin fotoğrafı verilerek o noktayı bulma
- Start-goal — başlangıç ve hedef arası navigasyon
Pratikte bu, bir robot köpeğin daha önce hiç haritalanmamış bir tesiste, yalnızca kamerasıyla devriye atabilmesi anlamına geliyor.
X-NavDP: Go2 ve G1'e Getiren Adım
Deponun baselines/x-navdp dizinindeki X-NavDP, önceden eğitilmiş NavDP politikasını çevrimiçi pekiştirmeli öğrenmeyle farklı gövdeler üzerinde son-eğitimden geçiriyor. Üç katkısı var: veri-verimli RL son-eğitimi, "Group Q-score Reweighted Matching" ile yapılandırılmış keşif, ve hafif gövde modülasyonu + zamansal tutarlılık rehberliğiyle robotlar arası genelleme.
Bizim için kritik olan kısım şu: sonuçlar tekerlekli Dingo, dört ayaklı Unitree Go2 ve insansı Unitree G1 gövdeleri üzerinde raporlanıyor. Yani bu çalışma doğrudan bizim tedarik ettiğimiz iki platformu kapsıyor.
Yayımlanan model 72 sahnede 24.000 adım boyunca, 8 GPU üzerinde dağıtık olarak eğitilmiş.
Neye İhtiyacınız Var?
Simülasyon tarafı: NavDP değerlendirme çerçevesi IsaacSim 4.2.0 ve IsaacLab 1.2.0 üzerine kurulu; kalabalık, ev ve ticari alan senaryolarını içeren sahnelerle geliyor. X-NavDP daha yeni bir yığın istiyor: Python 3.11, Isaac Sim 5.0.0, Isaac Lab 0.46.2, isaaclab-rl==0.4.0 ve CMake ile derlenen acados.
Robot tarafı: yöntem RGB-D girdisiyle çalışıyor, yani derinlik verebilen bir kamera şart. Go2 ve G1'in geliştirici konfigürasyonları bu akış için uygundur; standart tüketici konfigürasyonu değil.
Sürüm uyumu bu projede kritik: NavDP ile X-NavDP farklı Isaac sürümleri istiyor, ikisini aynı ortamda çalıştırmaya kalkışmayın.
Lisans: Ticari Kullanıma Kapalı
Bu, atlanmaması gereken bir madde. NavDP deposu Creative Commons Attribution-NonCommercial-ShareAlike 4.0 lisansıyla yayımlanıyor. NonCommercial ibaresi, çalışmayı ticari bir üründe veya ticari bir hizmette olduğu gibi kullanamayacağınız anlamına gelir.
Pratik karşılığı: üniversite araştırması, tez çalışması, Ar-Ge prototipi ve akademik yayın için kullanılabilir; müşteriye satılan bir devriye hizmetinin içine gömülemez. Ticari bir dağıtım planlıyorsanız yazarlardan ayrı izin almanız veya kendi politikanızı eğitmeniz gerekir.
Bu sayfa lisans yorumu değil bilgilendirmedir; bağlayıcı metin deponun kendi LICENSE dosyasıdır.
Türkiye'de Hangi Konfigürasyonu Almalısınız?
Bu tür bir çalışmayı yürütmek için robotun geliştirici erişimine ve derinlik algılayan kameraya ihtiyacınız var.
Dört ayaklı taraf: Unitree Go2 EDU — SDK erişimi ve sensör genişletme imkânı sunar. Go2 üzerinde pekiştirmeli öğrenme akışının temelleri için Go2 pekiştirmeli öğrenme rehberimize bakın.
İnsansı taraf: Unitree G1 EDU — X-NavDP'nin insansı gövde sonuçları bu sınıf donanımla alınıyor. Veri toplama ve politika eğitimi akışı için unitree_lerobot rehberimiz tamamlayıcıdır.
Robotlar.org, Unitree Robotics'in Türkiye yetkili distribütörüdür: resmi garanti, Türkçe teknik dokümantasyon, 81 ilde yerinde kurulum ve araştırma konfigürasyonu danışmanlığı sağlıyoruz. Hangi kamera ve işlem modülünün araştırma hedefinize uyduğunu birlikte belirlemek için bize ulaşın.
Not: NavDP ve X-NavDP, InternRobotics ekibinin bağımsız akademik çalışmalarıdır; Robotlar.org'un proje veya yazarlarla bir bağlantısı yoktur. Kaynak: GitHub deposu ve arXiv:2505.08712.