Perusahaan AI Prancis Mistral AI wis mlebu ruang robotika karo Robostral Navigate, model 8-miliar-parameter sing ngidini robot bisa navigasi lingkungan kompleks kanthi otonom kanthi nggunakake kamera RGB biasa. Model kasebut, sing diumumake tanggal 8 Juli 2026, nggambarake langkah pisanan Mistral menyang AI lan robot fisik.
Robostral Navigate njupuk gambar RGB lan instruksi basa biasa lan mindhah robot liwat lingkungan kayata kantor, bangunan omah, utawa ruangan ruangan. Sing mbedakake yaiku minimalisme hardware: nalika model saingan biasane ngandelake sensor kedalaman, LiDAR, utawa sawetara kamera sing digunakake ing konser, Robostral Navigate mung nggunakake siji kamera RGB standar lan ora ana sensor kedalaman apa wae. Kanggo jangkoan lengkap babagan peluncuran model AI sing muncul, para pamaca bisa ngetutake perkembangan AI paling anyar ing homepage kita.
Kinerja State-of-the-Art ing R2R-CE
Senadyan pendekatan kamera siji, Robostral Navigate entuk tingkat sukses 76,6% ing validasi R2R-CE (Room-to-Room in Continuous Environments) sing ora katon, tes standar kanggo nderek instruksi navigasi ing lingkungan sing ditindakake sajrone latihan. Asil iki ngalahake pendekatan kamera siji sing paling apik sadurunge kanthi 9,7 poin persentase lan ngluwihi sistem paling apik nggunakake sensor jero utawa sawetara kamera kanthi 4,5 poin, sanajan ora nggunakake.
Nalika validasi katon, model kasebut tekan tingkat sukses 79.4%. Miturut Mistral, model kasebut umum ing macem-macem jinis robot, mlaku nganggo robot roda, sikil, lan malah mabur, lan adaptasi karo ukuran robot tanpa latihan maneh.
Dibangun ing Simulasi
Salah sawijining aspek paling penting ing Robostral Navigate yaiku dibangun ing omah lan dilatih khusus ing simulasi. Mistral nggawe pipa generasi data sing efisien sing ngasilake set data kira-kira 400.000 lintasan sing diklumpukake ing 6.000 adegan simulasi. Pendekatan simulasi-pisanan iki ngaktifake pengulangan kanthi cepet tanpa biaya lan tantangan logistik kanggo nglumpukake data ing donya nyata.
Model kasebut diwiwiti saka model basa visi Mistral dhewe, sing khusus kanggo tugas dhasar kayata pointing, counting, lan lokalisasi obyek. Navigasi muncul minangka ekstensi alami saka kabisan kasebut: yen model ngerti endi sing ana ing gambar, dheweke bakal sinau babagan carane pindhah menyang dheweke. Utamane, Robostral Navigate ora ngandelake model basa visi-sumber terbuka sing ana.
Navigasi Berbasis Pointing lan Learning Reinforcement
Robostral Navigate nggunakake mekanisme navigasi adhedhasar pointing. Diwenehi tugas lan sajarah pengamatan, model prédhiksi ngendi robot kudu pindhah sabanjuré dening inferring koordinat gambar lokasi target ing tampilan kamera robot saiki, bebarengan karo orientasi sing dikarepake nalika rawuh. Pendekatan pointing iki ndadekake kabijakan kasebut kanthi alami kuat kanggo owah-owahan ing intrinsik kamera lan skala donya, ora kaya prentah sing gumantung ing pamindahan metrik.
Nalika lokasi target dumunung ing njaba lapangan tampilan saiki lan pointing ora ditrapake, model bakal bali menyang pamindahan ing pigura koordinat lokal robot. Sawise latihan sing diawasi, Mistral ngetrapake pembelajaran penguatan online nggunakake algoritma CISPO, sing ngidini model sinau saka nyoba lan kesalahan, pulih saka kegagalan, lan entuk prilaku eksplorasi. Tahap pembelajaran penguatan iki mung ningkatake tingkat sukses kanthi 3,2 poin persentase, lan Mistral laporan yen kinerja isih munggah tanpa tandha-tandha saka plateauing.
Latihan sing efisien liwat Prefix-Caching
Inovasi teknis utama yaiku algoritma latihan sing efisien adhedhasar prefix-caching. Nggunakake strategi manungsa waé masking basis wit, cara Mistral compresses kabeh episode menyang urutan siji, mbisakake latihan ing kabeh langkah wektu ing pass maju siji nalika nyegah bocor informasi antarane langkah wektu. Dibandhingake karo latihan kanthi siji sampel saben langkah wektu, pendekatan iki nyuda jumlah token latihan kanthi faktor 22 nalika njaga kabeh sinyal sinau. Ing praktik, perusahaan ujar manawa iki ngowahi latihan latihan sing butuh pirang-pirang wulan nganti rampung ing pirang-pirang dina.
Aplikasi lan Apa Sabanjure
Posisi Mistral Robostral Navigate minangka salah sawijining kapabilitas sing paling dikarepake kanggo para pelanggan saiki. Teknologi mbukak kunci aplikasi ing manufaktur, pangiriman, logistik, lan perhotelan. Menehi model siji instruksi lan ngrampungake kabeh tugas kanthi otonom, obah ing ruang urip sing kebak wong lan alangan sing durung nate ditampilake sajrone latihan.
Perusahaan nggambarake rilis iki minangka mung langkah pisanan menyang agen sing digabungake. Mistral aktif ngembangake tim robotika lan nggoleki ilmuwan lan insinyur riset. Peluncuran kasebut nandhani ekspansi strategis sing signifikan kanggo wiwitan sing berbasis ing Paris, sing utamane dikenal kanthi model basa sing gedhe lan saiki wis menehi tandha komitmen serius kanggo AI fisik lan robotika.
Pamindhahan menyang robotika teka amarga industri AI sing luwih akeh nandur modal ing AI sing diwujudake, kanthi perusahaan sing njelajah kepiye kemampuan model basa bisa ditambah menyang interaksi donya fisik. Simulasi-pisanan, pendekatan kamera siji Mistral bisa ngedhunake alangan kanggo nyebarake sistem navigasi otonom, utamane ing aplikasi komersial sing sensitif biaya ing ngendi persiyapan multi-sensor ora praktis.
Tetep Ahead of AI
Robostral Navigate saiki kasedhiya kanggo pelanggan Mistral. Kanggo warta lan analisis AI liyane, bukak AI Buzz Wire.
Waca liyane AI warta →
