银河通用发布了一款自主研发的端到端导航大模型——TrackVLA。该模型具备纯视觉环境感知、自然语言指令驱动、端到端输出语言和机器人动作等能力。目前，这一模型已应用于宇树机器狗，作为儿童看护助手，在未训练过的真实场景中完成了严格的长程验证。

与传统机器人通常以“指令理解→环境感知→目标识别→路径规划”模块化形式单独处理子任务不同，有的甚至需要提前构建工作环境地图，TrackVLA通过统一的端到端模型实现了这些功能。这种设计使机器人具备了“听→看→懂→走”的闭环运动能力，无需提前建图或依赖遥控操作，能够真正实现语言驱动、泛化感知和自主推理智能导航。机器人可以从看到的图像和听到的指令直接推理出行动方案，中间不需要人为拆分多个步骤。

在实际应用中，TrackVLA已在多种真实场景下进行了验证。例如，它能够在超市中穿梭于人流和货架之间，准确跟随母子；根据语音指令切换目标，并在儿童玩耍时发出提醒；能够正确认知自身本体能力，利用大模型自主推理分析；从电梯进入陌生商场，完成连续跟随任务；在人群密集的服装店中稳定识别并避让他人干扰。