Perusahaan AI Perancis, Mistral AI, telah memasuki dunia robotika dengan Robostral Navigate, model dengan 8 miliar parameter yang memungkinkan robot menavigasi lingkungan kompleks secara mandiri hanya dengan menggunakan satu kamera RGB biasa. Model tersebut, yang diumumkan pada 8 Juli 2026, mewakili langkah pertama Mistral dalam mewujudkan AI dan robotika fisik.
Robostral Navigate mengambil gambar RGB dan instruksi bahasa sederhana dan menggerakkan robot melalui lingkungan seperti kantor, bangunan tempat tinggal, atau ruang luar ruangan. Yang membedakannya adalah minimalisme perangkat kerasnya: sementara model pesaing biasanya mengandalkan sensor kedalaman, LiDAR, atau beberapa kamera yang bekerja bersama-sama, Robostral Navigate hanya menggunakan satu kamera RGB standar dan tidak ada sensor kedalaman apa pun. Untuk liputan komprehensif tentang peluncuran model AI yang sedang berkembang, pembaca dapat mengikuti perkembangan AI terkini di beranda kami.
Pertunjukan Tercanggih di R2R-CE
Meskipun menggunakan pendekatan kamera tunggal, Robostral Navigate mencapai tingkat keberhasilan 76,6% pada tolok ukur validasi R2R-CE (Room-to-Room in Continuous Environments), yaitu pengujian standar untuk mengikuti instruksi navigasi di lingkungan yang dilakukan selama pelatihan. Hasil ini mengalahkan pendekatan kamera tunggal terbaik sebelumnya sebesar 9,7 poin persentase dan melampaui sistem terbaik yang menggunakan sensor kedalaman atau beberapa kamera sebesar 4,5 poin, meskipun tidak menggunakan keduanya.
Pada validasi terlihat, model mencapai tingkat keberhasilan 79,4%. Menurut Mistral, model tersebut menggeneralisasi berbagai jenis robot, berjalan dengan robot beroda, berkaki, dan bahkan terbang, dan beradaptasi dengan ukuran robot tanpa pelatihan ulang.
Dibangun Sepenuhnya dalam Simulasi
Salah satu aspek yang paling menonjol dari Robostral Navigate adalah ia dibangun sepenuhnya sendiri dan dilatih secara eksklusif dalam simulasi. Mistral membangun jalur pembuatan data yang efisien yang menghasilkan kumpulan data sekitar 400.000 lintasan yang dikumpulkan di 6.000 adegan simulasi. Pendekatan yang mengutamakan simulasi ini memungkinkan iterasi cepat tanpa biaya dan tantangan logistik seperti pengumpulan data di dunia nyata.
Model ini diinisialisasi dari model bahasa visi Mistral sendiri, yang dikhususkan untuk tugas-tugas dasar seperti menunjuk, menghitung, dan lokalisasi objek. Navigasi muncul sebagai perpanjangan alami dari kemampuan ini: setelah model memahami letak benda-benda dalam gambar, model akan belajar bagaimana bergerak ke arah benda tersebut. Khususnya, Robostral Navigate tidak bergantung pada model bahasa visi sumber terbuka apa pun yang ada.
Navigasi Berbasis Penunjuk dan Pembelajaran Penguatan
Robostral Navigate menggunakan mekanisme navigasi berbasis penunjuk. Dengan adanya tugas dan riwayat pengamatan, model tersebut memprediksi ke mana robot harus bergerak selanjutnya dengan menyimpulkan koordinat gambar lokasi target dalam tampilan kamera robot saat ini, beserta orientasi yang diinginkan pada saat kedatangan. Pendekatan yang mengarah pada hal ini menjadikan kebijakan ini secara alami kuat terhadap perubahan intrinsik kamera dan skala dunia, tidak seperti perintah yang mengandalkan perpindahan metrik.
Ketika lokasi target terletak di luar bidang pandang saat ini dan penunjukan tidak berlaku, model akan kembali ke perpindahan dalam kerangka koordinat lokal robot. Setelah pelatihan yang diawasi, Mistral menerapkan pembelajaran penguatan online menggunakan algoritme CISPO, yang memungkinkan model belajar dari coba-coba, pulih dari kegagalan, dan memperoleh perilaku eksplorasi. Tahap pembelajaran penguatan ini saja meningkatkan tingkat keberhasilan sebesar 3,2 poin persentase, dan Mistral melaporkan bahwa kinerja masih meningkat tanpa tanda-tanda stagnan.
Pelatihan Efisien melalui Prefix-Caching
Inovasi teknis utama adalah algoritma pelatihan yang efisien berdasarkan cache awalan. Dengan menggunakan strategi penyamaran perhatian berbasis pohon, metode Mistral memampatkan seluruh episode menjadi satu urutan, memungkinkan pelatihan pada semua langkah waktu dalam satu langkah ke depan sekaligus mencegah kebocoran informasi antar langkah waktu. Dibandingkan dengan pelatihan dengan satu sampel per langkah waktu, pendekatan ini mengurangi jumlah token pelatihan sebanyak 22 kali sambil mempertahankan semua sinyal pembelajaran. Dalam praktiknya, perusahaan mengatakan hal ini mengubah proses pelatihan yang memakan waktu berbulan-bulan menjadi proses yang selesai dalam hitungan hari.
Aplikasi dan Berikutnya
Mistral memposisikan Robostral Navigate sebagai salah satu kemampuan yang paling banyak diminta oleh pelanggannya saat ini. Teknologi ini membuka aplikasi di bidang manufaktur, pengiriman, logistik, dan perhotelan. Berikan satu instruksi kepada model dan model tersebut akan menyelesaikan seluruh tugas secara mandiri, bergerak melalui ruang langsung yang penuh dengan orang dan rintangan yang tidak pernah ditunjukkan selama pelatihan.
Perusahaan menggambarkan rilis ini hanya sebagai langkah pertama menuju agen terpadu. Mistral secara aktif memperluas tim robotikanya dan mencari ilmuwan dan insinyur penelitian. Peluncuran ini menandai ekspansi strategis yang signifikan bagi startup yang berbasis di Paris, yang terkenal dengan model bahasanya yang besar dan kini telah menunjukkan komitmen serius terhadap AI fisik dan robotika.
Peralihan ke robotika terjadi ketika industri AI yang lebih luas semakin banyak berinvestasi pada AI yang diwujudkan, dengan perusahaan-perusahaan yang mengeksplorasi bagaimana kemampuan model bahasa dapat diperluas ke interaksi dunia fisik. Pendekatan kamera tunggal yang mengutamakan simulasi dari Mistral dapat menurunkan hambatan dalam penerapan sistem navigasi otonom, khususnya dalam aplikasi komersial yang sensitif terhadap biaya di mana pengaturan multi-sensor tidak praktis.
Tetap Terdepan dalam AI
Robostral Navigate sekarang tersedia untuk pelanggan Mistral. Untuk berita dan analisis AI terkini lainnya, kunjungi AI Buzz Wire.
Baca berita AI selengkapnya →
