核心概念
導航是讓機器人把感知與運動轉化為有目的的自主行為。與只提供穩定移動的** locomotion** 不同，導航必須持續定位、解讀環境變化、規劃路徑並避開障礙，才能安全抵達目標。將此能力搬移至新機器人或新場景，往往需要重新收集資料、建置模擬資產、調整介面、進行訓練與診斷，成本高且難以重現。
代理驅動的工作流程
代理驅動的流程透過程式代理（coding agent）自動化上述繁瑣步驟。開發者只需定義 機器人、場景來源 與 導航目標，代理即會：
-
使用倉儲技能（repository skills）驗證相依性。
-
準備所需資產並執行煙霧測試（smoke test）確保基礎可行。
-
啟動訓練、診斷失敗、比較不同檢查點（checkpoint）。
-
由人工核准關卡控制場景接受、單環境測試與檢查點升級。
此機制將重複性的「機器人‑場景」配對工作大幅壓縮，提升可重現性與開發效率。
COMPASS 框架與實作
COMPASS（Cross‑Embodiment Mobility Policy via Residual RL and Skill Synthesis）是一套統一框架，利用單一形態的專家示範，在多種機器人與環境間實現可擴展的移動策略。其核心是：
- 預訓練的 NVIDIA X‑Mobility 政策：提供基礎導航行為。
- 殘差專家（Residual specialist）：以**強化學習（RL）**方式校正基礎動作，針對特定機器人（如 Boston Dynamics Spot 四足機器人）與特定場景（內建倉庫、SAGE‑10K 生成場景）進行微調。
- 多位專家的資料可於後期蒸餾（distillation）成共享的跨形態政策。
在本文示範中，透過 NVIDIA Omniverse NuRec 捕捉實體環境，並結合 CUDA 加速的 cuVSLAM（視覺里程計與同步定位與地圖建構）提供部署時的里程計資訊，使 Spot 能在真實或重建的場景中完成端到端導航。訓練完成後，政策與機器人控制器在執行階段不再依賴程式代理，實現純粹的自主運行。
未來展望
代理驅動的 COMPASS 工作流程展示了「一次建置、跨形態重用」的可能性。隨著更多機器人平台與更複雜的模擬環境加入倉儲技能庫，未來的導航開發將更偏向即插即用，降低進入門檻，促進機器人自主性的快速迭代與商業化落地。對於關注機器人自主導航的研發團隊而言，掌握這套流程即是掌握未來競爭的關鍵。