银河通用 NavFoM

银河通用与北大 2025 年推出的导航基座模型，一套权重适配多种本体和导航任务。

NavFoM 由银河通用联合北京大学、阿德莱德大学、浙江大学等提出，论文 2025 年 9 月上 arXiv，11 月公司正式发布，宣传为「全球首个跨本体全域环视导航基座大模型」。以往导航模型多是一种机器人、一种任务单独训练；NavFoM 用 802 万条导航样本（四足、无人机、轮式机器人、汽车）加 476 万条图文和视频问答数据，同时学指令导航、找物体、目标跟踪和自动驾驶。它以 Qwen2-7B 为语言骨干，拼接 DINOv2 和 SigLIP 视觉特征，用特殊 token 标明每帧来自哪台相机、哪个时刻，可接 1 到 8 路相机，最后由 MLP 输出路径点，交给本体的局部规划器执行。

例子同一套权重不做针对性微调，就在 VLN-CE 指令导航、HM3D-OVON 开放词汇找物、EVT-Bench 目标跟踪和 NAVSIM 自动驾驶等基准上评测；北大与银河通用后来的 UrbanVLA 也在它的基础上训练。

也叫

导航基座大模型、Embodied Navigation Foundation Model

相关

跨本体、视觉语言导航、具身视觉跟踪（目标跟随）、银河通用 TrackVLA、NaVid、银河星脑 AstraBrain

来源

Embodied Navigation Foundation Model (arXiv 2509.12129)
NavFoM 项目页
银河通用发布全球首个跨本体全域环视导航大模型NavFoM（网易，2025-11-05）

信息截至

2025-11