銀河通用公司近期震撼發布了一款名為TrackVLA的全球首創產品級端到端具身FSD大模型。這款模型集成了純視覺環境感知、語言指令驅動、自主推理及零樣本泛化能力，標志著人工智能領域的一大突破。
TrackVLA是一款專為機器人導航設計的產品級大模型，它結合了“視覺-語言-動作”（VLA）訓練框架，通過仿真合成動作數據進行訓練。這一創新使機器人能夠形成“聽 → 看 → 懂 → 走”的閉環運動能力，無需預先建圖或依賴遙控操作，僅需語言指令即可驅動。
這款大模型的八大核心能力令人矚目：
首先，TrackVLA具備出色的自然語言理解和目標識別能力。用戶只需簡單發出指令，如“跟著媽媽”，機器人便能迅速鎖定目標，并根據用戶的新指令，如“換成跟孩子”，立即切換跟隨對象。這種能力不僅限于人類，甚至還能跟蹤寵物。
其次，在人流密集的場景中，TrackVLA展現出卓越的空間理解和視覺記憶機制。它能準確識別并持續跟隨目標，即便在多變環境和多個相似穿著的人中，也能避免“認錯人”。
第三，當目標走出視野范圍時，TrackVLA不會停滯不前，而是利用實時空間智能和大模型推理能力，分析目標運動軌跡，重新規劃路徑找回目標。
第四，TrackVLA不依賴建圖，僅憑純視覺輸入理解環境。這意味著它可以在未經訓練的陌生環境中，如商場、電梯、游樂區等，實現長時穩定自主跟隨。
第五，在復雜場景中，如兒童游樂區和狹窄通道，TrackVLA能實時識別障礙物，分析可通行區域，并根據自身構型自主推理出合理路線，靈活避障。
第六，TrackVLA展現出極強的環境適應性，無論室外陽光還是室內昏暗，從電梯鏡面反射到超市貨架夾縫，都無需專門調參或切換模式。
第七，用戶可通過App實時查看機器人視角，掌握家人動態，系統還能主動提醒風險行為，如小朋友奔跑或老人跌倒，提供“移動守護”。
最后，TrackVLA的技能涌現能力令人驚嘆。它不僅能穩定跟隨人類，還能泛化至任意移動目標。例如，在視頻中，機器狗成功跟隨一只偶遇的動物狗狗，盡管目標形態、運動方式和遮擋情況都非常不確定，但TrackVLA仍表現出穩定的跟隨能力。
目前，TrackVLA已搭載于宇樹機器狗，化身“二寶保鏢”，實現兒童看護，并在未訓練過的真實場景中完成了嚴格的長程驗證。在超市、電梯、服裝店等環境中，它成功穿梭于人流和貨架之間，準確跟隨母子，根據語音指令切換目標，并在兒童玩耍時發出提醒，展現出卓越的性能。
