换一台机器人，导航模型往往也得重新适配，就像同一位司机换到尺寸、视野和操控方式都不同的车辆。亮源新创发布的 LightNav-0，试图让同一个模型直接用于四种机器人本体——也就是不同的物理形态、运动方式和传感器组合——且不为新机器人单独训练或微调，这种做法称为“零样本迁移”。
据量子位报道，团队通过 Real2Sim2Real 数据引擎，把 2,000 多个互联网来源的真实场景转成可重复使用的仿真环境，生成 4,000 多小时视觉、语言和动作经验。作者还称，在当前实验范围内，增加不同环境的覆盖面，比反复增加同一环境中的行进轨迹，更能稳定提升泛化能力——即面对没见过的场景或机器人仍能完成任务。
这比单一仿真榜单上的高分更值得关注：它检验的是导航能力能否跨“身体”复用。不过现有材料未披露四种本体的具体构成及分项成功率，实际可靠性仍需更多真机结果说明。