# 上海AI Lab重磅开源：InternVLA·N1双系统导航大模型，纯合成数据训练，实现真实场景跨楼宇导航 - Link: https://paooo.com/aigc-news/13643/ - Published: 2026-06-21T09:12:22+08:00 - Author: Prompt 语宙研究院 > **💡 站外导读：**当前，机器人与自动驾驶领域的导航系统仍面临指令理解、长程规划与 > 实时避障的协同难题。传统方法依赖大量真实数据采集，成本高昂且泛化能力有限。上海 > 人工智能实验室开源的InternVLA·N1，通过独特的“双系统”架构与纯合成数据训练范式， > 首次在单一模型中实现了语言理解、长程规划与高频敏捷避障的端到端融合，为低成本、 > 高适应性的智能导航提供了全新路径。 ## InternVLA·N1是什么 InternVLA·N1是上海人工智能实验室开源的端到端双系统导航[大模型](https://paooo.com/ai-study/)。 采用双系统架构，系统2负责理解语言指令并规划长程路径，系统1专注于高频响应和敏捷避 障。模型完全基于合成数据训练，通过大规模数字场景资产和海量多模态语料，实现了低成本 高效率的训练过程。在多个主流基准测试中，InternVLA·N1表现出色，得分达到国际领先水平， 展现了强大的零样本泛化能力。能实现在真实场景中的“跨楼宇长距离”听令行走和密集障碍 物间的敏捷避障。 阅读目录 * [InternVLA·N1是什么](https://paooo.com/aigc-news/13643/#internvlan1%e6%98%af%e4%bb%80%e4%b9%88) * [InternVLA·N1的主要功能](https://paooo.com/aigc-news/13643/#internvlan1%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [InternVLA·N1的技术原理](https://paooo.com/aigc-news/13643/#internvlan1%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [InternVLA·N1的项目地址](https://paooo.com/aigc-news/13643/#internvlan1%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [InternVLA·N1的应用场景](https://paooo.com/aigc-news/13643/#internvlan1%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13643/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight) ![InternVLA·N1](https://paooo.com/wp-content/uploads/2026/05/InternVLAC2B7N1-website- 1.avif) ## InternVLA·N1的主要功能 * **语言理解与路径规划**：系统2能理解自然语言指令，根据视觉观测在图像上预测下一步 执行的目标像素，实现长程空间推理规划。 * **敏捷避障与执行**：系统1负责高频响应环境变化，实现敏捷避障，确保能准确到达目标 点。 * **合成数据驱动训练**：完全基于合成数据进行训练，通过大规模数字场景资产和海量多 模态语料，实现低成本高效率的训练过程。 * **零样本泛化能力**：仅使用合成数据训练，却能在真实场景中实现60Hz的“跨楼宇长距离” 听令行走和密集障碍物间的敏捷避障，展现出强大的泛化能力。 * **多场景适应性**：在多个主流基准测试中表现出色，得分达到国际领先水平，适用于多种 复杂场景和任务需求。 ## InternVLA·N1的技术原理 * **双系统架构**：采用系统1和系统2的双系统架构，系统2负责理解语言指令并进行长程 空间推理规划，系统1则专注于高频响应和敏捷避障，二者协同工作实现高效导航。 * **异步推理机制**：系统1和系统2异步推理，系统1可以更频繁地响应环境变化，实现敏捷 避障，而系统2则专注于长程空间推理规划，避免了同步推理带来的延迟和复杂性。 * **纯合成数据驱动**：完全基于合成数据进行训练，通过大规模数字场景资产和海量多模 态语料，结合高效的数据合成技术，实现低成本高效率的训练。 * **两阶段课程训练**：训练分为预训练阶段和联调阶段，预训练阶段对系统2进行监督微调， 使其能准确规划路径；联调阶段则让系统1和系统2协同工作，优化整体导航性能。 * **多模态融合**：模型能融合视觉和语言信息，通过多模态大模型实现对复杂环境的理解 和导航任务的执行，提升了模型在真实场景中的适应性和准确性。 ## InternVLA·N1的项目地址 * **项目官网**：https://internrobotics.github.io/internvla-n1.github.io/ * **GitHub仓库**：https://github.com/InternRobotics/InternNav * **Hugging Face模型库**：https://huggingface.co/InternRobotics/InternVLA-N1 * **技术论文**：https://internrobotics.github.io/internvla-n1.github.io/static/ pdfs/InternVLA_N1.pdf ## InternVLA·N1的应用场景 * **智能机器人导航**：为服务机器人、物流机器人等提供高效导航能力，能根据语音指令 在复杂环境中自主行走、避障并完成任务。 * **自动驾驶辅助**：在自动驾驶领域，辅助车辆进行路径规划和障碍物避让，提升自动驾驶 系统的安全性和可靠性。 * **虚拟现实与增强现实**：在虚拟现实（VR）和增强现实（AR）应用中，为用户提供更加 自然和沉浸式的交互体验，例如在虚拟环境中根据语音指令导航。 * **智能安防监控**：在智能安防领域，通过视觉和语言指令的融合，实现对监控区域的智能 巡逻和异常事件的快速响应。 * **工业自动化**：在工业环境中，为自动化设备提供导航和操作指导，提高生产效率和安全 性。 * **智能导览服务**：在博物馆、展览馆等场所，为游客提供个性化的导航和讲解服务，提升 参观体验。 #### 📝 站长洞察 (Editor’s Insight) InternVLA·N1的发布，标志着具身智能从“感知-决策”分离范式向“理解-执行”端到端闭环的 关键跃迁。其“系统1-系统2”架构借鉴了认知科学理论，让慢思考（规划）与快思考（反应） 解耦并行，这可能是解决复杂动态环境中实时性瓶颈的有效思路。更值得关注的是其“纯合成 数据驱动”路线，这直击了行业数据采集成本高昂的痛点，结合大规模数字场景资产，为模型 的规模化、低成本迭代开辟了高速通道。尽管真实场景的“最后一公里”挑战犹存，但其展示 的跨楼宇导航与密集避障能力，已为家庭服务、物流配送乃至未来城市交通的无人化描绘出 更清晰的落地蓝图。这不仅是技术工具的开源，更是一种高效研发范式的示范。 [🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（ paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示 词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发 者与创作者提供一手、可复现的深度技术洞察。 [📄 Markdown 纯净版](https://paooo.com/aigc-news/13643/?format=md) 💡 这篇内容对您有启发吗？ [📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/) **🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)