Francouzská společnost pro umělou inteligenci Mistral AI vstoupila do prostoru robotiky s Robostral Navigate, modelem s 8 miliardami parametrů, který robotům umožňuje autonomně procházet složitým prostředím pomocí ničeho jiného než jedné obyčejné RGB kamery. Model, oznámený 8. července 2026, představuje první krok společnosti Mistral v oblasti umělé inteligence a fyzické robotiky.
Robostral Navigate pořizuje obrázky RGB a instrukce v jednoduchém jazyce a pohybuje robotem prostředím, jako je kancelář, obytná budova nebo venkovní prostor. To, co jej odlišuje, je jeho hardwarový minimalismus: zatímco konkurenční modely obvykle spoléhají na hloubkové senzory, LiDAR nebo více kamer pracujících společně, Robostral Navigate používá pouze jednu standardní RGB kameru a žádné hloubkové senzory. Pro komplexní pokrytí nově vznikajících modelů AI mohou čtenáři sledovat nejnovější vývoj AI na naší domovské stránce.
Nejmodernější výkon na R2R-CE
Navzdory svému přístupu s jedinou kamerou dosahuje Robostral Navigate 76,6% úspěšnosti v neviditelném srovnávacím testu R2R-CE (Room-to-Room in Continuous Environments), standardním testu pro dodržování navigačních pokynů v prostředích, která byla stanovena během tréninku. Tento výsledek překonává nejlepší předchozí přístup s jedinou kamerou o 9,7 procentního bodu a překonává nejlepší systém využívající hloubkové senzory nebo více kamer o 4,5 bodu, přestože ani jeden z nich nepoužívá.
Při validaci dosahuje model úspěšnosti 79,4 %. Podle Mistrala model zobecňuje napříč typy robotů, běží na kolech, nohou a dokonce i létajících robotech a přizpůsobuje se velikostem robotů bez přeškolování.
Vestavěno zcela v simulaci
Jedním z nejpozoruhodnějších aspektů Robostral Navigate je, že byl postaven zcela interně a trénován výhradně v simulaci. Mistral zkonstruoval efektivní kanál pro generování dat, který produkoval datový soubor přibližně 400 000 trajektorií shromážděných v 6 000 simulovaných scénách. Tento přístup založený na simulaci umožnil rychlou iteraci bez nákladných a logistických problémů se sběrem dat v reálném světě.
Model je inicializován z vlastního modelu vidění a jazyka Mistral, který se specializoval na základní úkoly, jako je ukazování, počítání a lokalizace objektů. Navigace se jeví jako přirozené rozšíření těchto schopností: jakmile model pochopí, kde se věci na obrázku nacházejí, naučí se, jak se k nim přiblížit. Je pozoruhodné, že Robostral Navigate se nespoléhá na žádné existující open source modely vizuálního jazyka.
Navigace a posilování založené na ukazování
Robostral Navigate používá navigační mechanismus založený na ukazování. Vzhledem k úloze a historii pozorování model předpovídá, kam by se měl robot dále pohybovat, odvozením obrazových souřadnic cílového umístění v aktuálním pohledu z kamery robota spolu s požadovanou orientací po příjezdu. Tento přístup ukazování činí politiku přirozeně robustní vůči změnám vnitřních vlastností kamery a světového měřítka, na rozdíl od příkazů, které se spoléhají na metrické posuny.
Když cílové umístění leží mimo aktuální zorné pole a nasměrování neplatí, model se vrátí zpět k posunům v lokálním souřadnicovém rámci robota. Po školení pod dohledem Mistral aplikoval on-line posilování pomocí svého algoritmu CISPO, který umožnil modelu učit se z pokusů a omylů, zotavit se ze selhání a získat průzkumné chování. Tato fáze učení posilování sama o sobě zlepšila úspěšnost o 3,2 procentních bodů a Mistral uvádí, že výkon stále stoupá bez známek stagnace.
Efektivní školení pomocí ukládání prefixů do mezipaměti
Klíčovou technickou novinkou je efektivní trénovací algoritmus založený na ukládání prefixů do mezipaměti. Pomocí strategie maskování pozornosti založené na stromech metoda Mistral komprimuje celou epizodu do jediné sekvence, což umožňuje trénovat všechny časové kroky v jediném průchodu dopředu a zároveň zabraňuje úniku informací mezi časovými kroky. Ve srovnání s tréninkem s jedním vzorkem na časový krok tento přístup snižuje počet tréninkových žetonů faktorem 22 při zachování všech výukových signálů. V praxi společnost říká, že to transformuje tréninkové běhy, které by trvaly měsíce, na běhy, které jsou dokončeny za několik dní.
Aplikace a co přijde dál
Mistral staví Robostral Navigate jako řešení jedné z nejžádanějších funkcí pro své dnešní zákazníky. Tato technologie odemyká aplikace ve výrobě, dodávkách, logistice a pohostinství. Dejte modelu jednu instrukci a on dokončí celý úkol autonomně, pohybuje se živými prostory plnými lidí a překážek, které během tréninku nikdy nebylo ukázáno.
Společnost popisuje tuto verzi jako pouze první krok k jednotnému ztělesněnému agentovi. Mistral aktivně rozšiřuje svůj robotický tým a hledá výzkumné vědce a inženýry. Uvedení na trh znamená významnou strategickou expanzi pro startup se sídlem v Paříži, který byl známý především svými velkými jazykovými modely a nyní signalizuje vážný závazek k fyzické umělé inteligenci a robotice.
Posun do robotiky přichází s tím, jak širší průmysl umělé inteligence stále více investuje do začleněné umělé inteligence, přičemž společnosti zkoumají, jak lze rozšířit možnosti jazykových modelů na interakci s fyzickým světem. Přístup společnosti Mistral, založený na simulaci, s jednou kamerou, by mohl snížit překážku pro nasazení autonomních navigačních systémů, zejména v komerčních aplikacích citlivých na náklady, kde je nastavení s více senzory nepraktické.
Stay Ahead of AI
Robostral Navigate je nyní k dispozici zákazníkům Mistralu. Další nejnovější zprávy a analýzy o AI najdete na AI Buzz Wire.
Přečtěte si další zprávy o AI →
