Pesquisadores liderados por Gengze Zhou apresentaram o NavGPT-3, um sistema que conecta um modelo de linguagem grande a uma política de ação de baixa latência para robôs. A estrutura executa raciocínio, ação e monitoramento em processos separados, permitindo que o robô interrompa o que está fazendo e troque de tarefa rapidamente. A política de ação, com 8 bilhões de parâmetros e treinada com 19,28 milhões de exemplos, já alcançou 74,5% de sucesso no benchmark R2R‑CE. Com o sistema completo, o NavGPT-3 chegou a 81,5% nesse teste e igualou o desempenho humano no RxR‑CE, completando percursos em cerca de 1 minuto e 22 segundos por episódio.
Por que importa
O resultado mostra que robôs podem combinar raciocínio linguístico de alto nível com controle rápido de baixo nível, aproximando a navegação autônoma da velocidade e da confiabilidade humanas.
