La empresa francesa de inteligencia artificial Mistral AI ha ingresado al espacio de la robótica con Robostral Navigate, un modelo de 8 mil millones de parámetros que permite a los robots navegar de forma autónoma en entornos complejos utilizando nada más que una cámara RGB ordinaria. El modelo, anunciado el 8 de julio de 2026, representa el primer paso de Mistral hacia la IA incorporada y la robótica física.
Robostral Navigate toma imágenes RGB e instrucciones en lenguaje sencillo y mueve un robot a través de un entorno como una oficina, un edificio residencial o un espacio al aire libre. Lo que lo distingue es el minimalismo de su hardware: mientras que los modelos de la competencia generalmente dependen de sensores de profundidad, LiDAR o múltiples cámaras trabajando en conjunto, Robostral Navigate usa solo una cámara RGB estándar y ningún sensor de profundidad. Para obtener una cobertura completa de los lanzamientos de modelos de IA emergentes, los lectores pueden seguir los últimos desarrollos de IA en nuestra página de inicio.
Rendimiento de última generación en R2R-CE
A pesar de su enfoque de cámara única, Robostral Navigate logra una tasa de éxito del 76,6% en el punto de referencia de validación invisible R2R-CE (Room-to-Room in Continuous Environments), la prueba estándar para seguir instrucciones de navegación en entornos mantenidos durante el entrenamiento. Este resultado supera el mejor enfoque anterior de una sola cámara en 9,7 puntos porcentuales y supera al mejor sistema que utiliza sensores de profundidad o cámaras múltiples en 4,5 puntos, a pesar de no utilizar ninguno de los dos.
Tras la validación vista, el modelo alcanza una tasa de éxito del 79,4%. Según Mistral, el modelo se generaliza a todos los tipos de robots, funcionando sobre robots con ruedas, patas e incluso voladores, y se adapta a los tamaños de los robots sin necesidad de volver a entrenarlos.
Construido íntegramente en simulación
Uno de los aspectos más notables de Robostral Navigate es que fue construido íntegramente internamente y entrenado exclusivamente en simulación. Mistral construyó un sistema eficiente de generación de datos que produjo un conjunto de datos de aproximadamente 400.000 trayectorias recopiladas en 6.000 escenas simuladas. Este enfoque basado en la simulación permitió una iteración rápida sin el costo y los desafíos logísticos de la recopilación de datos del mundo real.
El modelo se inicializa a partir del propio modelo de visión y lenguaje de Mistral, que estaba especializado en tareas de conexión a tierra como señalar, contar y localizar objetos. La navegación surge como una extensión natural de estas capacidades: una vez que el modelo comprende dónde están las cosas en una imagen, aprende cómo moverse hacia ellas. En particular, Robostral Navigate no se basa en ningún modelo de lenguaje de visión de código abierto existente.
Navegación basada en señalar y aprendizaje por refuerzo
Robostral Navigate utiliza un mecanismo de navegación basado en señalamientos. Dada una tarea y un historial de observaciones, el modelo predice dónde debe moverse el robot a continuación infiriendo las coordenadas de la imagen de la ubicación objetivo en la vista actual de la cámara del robot, junto con la orientación deseada al llegar. Este enfoque de señalización hace que la política sea naturalmente robusta ante los cambios en los intrínsecos de la cámara y la escala mundial, a diferencia de los comandos que se basan en desplazamientos métricos.
Cuando la ubicación del objetivo se encuentra fuera del campo de visión actual y no se aplica el apuntamiento, el modelo vuelve a los desplazamientos en el marco de coordenadas local del robot. Después de un entrenamiento supervisado, Mistral aplicó el aprendizaje por refuerzo en línea utilizando su algoritmo CISPO, que permitió al modelo aprender de prueba y error, recuperarse de fallas y adquirir comportamientos exploratorios. Esta etapa de aprendizaje por refuerzo por sí sola mejoró la tasa de éxito en 3,2 puntos porcentuales, y Mistral informa que el rendimiento sigue aumentando sin signos de estabilización.
Entrenamiento eficiente mediante almacenamiento en caché de prefijos
Una innovación técnica clave es un algoritmo de entrenamiento eficiente basado en el almacenamiento en caché de prefijos. Utilizando una estrategia de enmascaramiento de atención basada en árboles, el método de Mistral comprime un episodio completo en una sola secuencia, lo que permite entrenar en todos los pasos de tiempo en un solo paso hacia adelante y al mismo tiempo evita la fuga de información entre los pasos de tiempo. En comparación con el entrenamiento con una muestra por paso de tiempo, este enfoque reduce la cantidad de tokens de entrenamiento en un factor de 22 y al mismo tiempo preserva todas las señales de aprendizaje. En la práctica, la compañía dice que esto transforma carreras de capacitación que tomarían meses en carreras que se completan en días.
Aplicaciones y lo que viene después
Mistral posiciona a Robostral Navigate como una de las capacidades más demandadas por sus clientes en la actualidad. La tecnología desbloquea aplicaciones en los sectores de fabricación, entrega, logística y hotelería. Dale al modelo una instrucción y completará toda la tarea de forma autónoma, moviéndose a través de espacios vivos llenos de personas y obstáculos que nunca se mostraron durante el entrenamiento.
La compañía describe este lanzamiento como sólo el primer paso hacia un agente encarnado unificado. Mistral está ampliando activamente su equipo de robótica y buscando científicos e ingenieros investigadores. El lanzamiento marca una expansión estratégica significativa para la startup con sede en París, que ha sido conocida principalmente por sus grandes modelos de lenguaje y ahora ha señalado un compromiso serio con la IA física y la robótica.
El paso a la robótica se produce en un momento en que la industria de la IA en general invierte cada vez más en IA incorporada, y las empresas exploran cómo las capacidades de los modelos de lenguaje pueden extenderse a la interacción con el mundo físico. El enfoque de Mistral, que prioriza la simulación y una sola cámara, podría reducir la barrera para el despliegue de sistemas de navegación autónomos, particularmente en aplicaciones comerciales sensibles a los costos donde las configuraciones de múltiples sensores no son prácticas.
Manténgase a la vanguardia de la IA
Robostral Navigate ya está disponible para los clientes de Mistral. Para obtener más noticias y análisis de última hora sobre IA, visite AI Buzz Wire.
Leer más noticias sobre IA →
