La società francese di intelligenza artificiale Mistral AI è entrata nello spazio della robotica con Robostral Navigate, un modello da 8 miliardi di parametri che consente ai robot di spostarsi autonomamente in ambienti complessi utilizzando nient’altro che una normale telecamera RGB. Il modello, annunciato l’8 luglio 2026, rappresenta il primo passo di Mistral verso l’intelligenza artificiale incarnata e la robotica fisica.
Robostral Navigate acquisisce immagini RGB e istruzioni in linguaggio semplice e muove un robot attraverso un ambiente come un ufficio, un edificio residenziale o uno spazio esterno. Ciò che lo distingue è il suo minimalismo hardware: mentre i modelli concorrenti in genere si affidano a sensori di profondità, LiDAR o più fotocamere che lavorano in sinergia, Robostral Navigate utilizza solo una fotocamera RGB standard e nessun sensore di profondità. Per una copertura completa dei lanci di modelli IA emergenti, i lettori possono seguire gli ultimi sviluppi dell’IA sulla nostra home page.
Prestazioni all'avanguardia su R2R-CE
Nonostante il suo approccio con una sola telecamera, Robostral Navigate raggiunge un tasso di successo del 76,6% sul benchmark invisibile di validazione R2R-CE (Room-to-Room in Continuous Environments), il test standard per seguire le istruzioni di navigazione negli ambienti tenuti durante l'addestramento. Questo risultato batte il miglior approccio precedente con una singola fotocamera di 9,7 punti percentuali e supera il miglior sistema che utilizza sensori di profondità o fotocamere multiple di 4,5 punti, nonostante non ne utilizzi nessuno.
Alla validazione osservata, il modello raggiunge un tasso di successo del 79,4%. Secondo Mistral, il modello si generalizza tra tutti i tipi di robot, correndo su robot con ruote, con gambe e persino volanti, e si adatta alle dimensioni dei robot senza riqualificazione.
Costruito interamente in simulazione
Uno degli aspetti più notevoli di Robostral Navigate è che è stato costruito interamente internamente e addestrato esclusivamente nella simulazione. Mistral ha costruito un'efficiente pipeline di generazione di dati che ha prodotto un set di dati di circa 400.000 traiettorie raccolte in 6.000 scene simulate. Questo approccio basato innanzitutto sulla simulazione ha consentito una rapida iterazione senza i costi e le sfide logistiche della raccolta dati nel mondo reale.
Il modello è inizializzato dal modello del linguaggio visivo di Mistral, specializzato per compiti fondamentali come il puntamento, il conteggio e la localizzazione degli oggetti. La navigazione emerge come un'estensione naturale di queste capacità: una volta che il modello capisce dove si trovano le cose in un'immagine, impara come muoversi verso di esse. In particolare, Robostral Navigate non si basa su alcun modello di linguaggio di visione open source esistente.
Navigazione basata sul puntamento e apprendimento per rinforzo
Robostral Navigate utilizza un meccanismo di navigazione basato sul puntamento. Dato un compito e una cronologia delle osservazioni, il modello prevede dove il robot dovrebbe muoversi successivamente deducendo le coordinate dell'immagine della posizione target nella vista corrente della telecamera del robot, insieme all'orientamento desiderato all'arrivo. Questo approccio di puntamento rende la politica naturalmente resistente ai cambiamenti negli aspetti intrinseci della telecamera e su scala mondiale, a differenza dei comandi che si basano su spostamenti metrici.
Quando la posizione target si trova al di fuori del campo visivo corrente e il puntamento non si applica, il modello ritorna agli spostamenti nel quadro delle coordinate locali del robot. Dopo la formazione supervisionata, Mistral ha applicato l’apprendimento per rinforzo online utilizzando il suo algoritmo CISPO, che ha consentito al modello di apprendere da tentativi ed errori, riprendersi dai fallimenti e acquisire comportamenti esplorativi. Questa fase di apprendimento di rinforzo da sola ha migliorato il tasso di successo di 3,2 punti percentuali e Mistral riferisce che le prestazioni stanno ancora aumentando senza segni di stabilizzazione.
Formazione efficiente tramite memorizzazione nella cache dei prefissi
Un'innovazione tecnica chiave è un algoritmo di addestramento efficiente basato sul caching dei prefissi. Utilizzando una strategia di mascheramento dell'attenzione basata su alberi, il metodo di Mistral comprime un intero episodio in un'unica sequenza, consentendo l'addestramento su tutti i passaggi temporali in un unico passaggio successivo e prevenendo la fuga di informazioni tra i passaggi temporali. Rispetto all'addestramento con un campione per fase temporale, questo approccio riduce il numero di token di addestramento di un fattore 22 preservando tutti i segnali di apprendimento. In pratica, l’azienda afferma che questo trasforma i cicli di formazione che richiederebbero mesi in cicli che si completano in pochi giorni.
Applicazioni e cosa verrà dopo
Mistral posiziona Robostral Navigate come una delle funzionalità più richieste dai suoi clienti oggi. La tecnologia sblocca applicazioni nei settori della produzione, consegna, logistica e ospitalità. Dai un'istruzione al modello e completerà l'intero compito in modo autonomo, muovendosi attraverso spazi pieni di persone e ostacoli che non sono mai stati mostrati durante l'addestramento.
L'azienda descrive questo rilascio solo come il primo passo verso un agente incorporato unificato. Mistral sta espandendo attivamente il proprio team di robotica e sta cercando ricercatori e ingegneri. Il lancio segna una significativa espansione strategica per la startup con sede a Parigi, nota principalmente per i suoi grandi modelli linguistici e che ora ha segnalato un serio impegno verso l’intelligenza artificiale fisica e la robotica.
Il passaggio alla robotica avviene in un momento in cui il più ampio settore dell’intelligenza artificiale investe sempre più nell’intelligenza artificiale incorporata, con le aziende che esplorano come le capacità del modello linguistico possano essere estese all’interazione con il mondo fisico. L'approccio di Mistral basato innanzitutto sulla simulazione e con una singola telecamera potrebbe ridurre gli ostacoli all'implementazione di sistemi di navigazione autonomi, in particolare in applicazioni commerciali sensibili ai costi in cui le configurazioni multi-sensore sono poco pratiche.
Stai al passo con l'intelligenza artificiale
Robostral Navigate è ora disponibile per i clienti di Mistral. Per ulteriori notizie e analisi sull'intelligenza artificiale, visitare AI Buzz Wire.
Leggi altre notizie sull'AI →
