फ्रेंच AI कंपनी Mistral AI ने रोबोटिक्स स्पेसमध्ये Robostral नेव्हिगेटसह प्रवेश केला आहे, एक 8-बिलियन पॅरामीटर मॉडेल जे रोबोट्सला एका सामान्य RGB कॅमेऱ्याशिवाय काहीही वापरून जटिल वातावरणात स्वायत्तपणे नेव्हिगेट करण्यास सक्षम करते. 8 जुलै, 2026 रोजी घोषित केलेले मॉडेल, मूर्त AI आणि भौतिक रोबोटिक्समध्ये मिस्ट्रलच्या पहिल्या वाटचालीचे प्रतिनिधित्व करते.

रोबोस्ट्रल नेव्हिगेट RGB प्रतिमा आणि साध्या भाषेतील सूचना घेते आणि कार्यालय, निवासी इमारत किंवा बाहेरील जागेसारख्या वातावरणातून रोबोट हलवते. हार्डवेअर मिनिमलिझम हे याला वेगळे करते: प्रतिस्पर्धी मॉडेल्स विशेषत: डेप्थ सेन्सर्स, LiDAR किंवा कॉन्सर्टमध्ये काम करणाऱ्या एकाधिक कॅमेऱ्यांवर अवलंबून असतात, रोबोस्ट्रल नेव्हिगेट फक्त एक मानक RGB कॅमेरा वापरतो आणि कोणतेही डेप्थ सेन्सर वापरत नाही. उदयोन्मुख AI मॉडेल लॉन्चच्या व्यापक कव्हरेजसाठी, वाचक आमच्या मुख्यपृष्ठावर नवीनतम AI घडामोडींचे अनुसरण करू शकतात.

R2R-CE वर अत्याधुनिक कामगिरी

एकल-कॅमेरा दृष्टीकोन असूनही, रोबोस्ट्रल नेव्हिगेटने R2R-CE (रूम-टू-रूम इन कंटिन्युअस एन्व्हायर्नमेंट्स) प्रमाणीकरण न पाहिलेल्या बेंचमार्कवर 76.6% यश मिळवले आहे, प्रशिक्षणादरम्यान आयोजित केलेल्या वातावरणात नेव्हिगेशन सूचनांचे पालन करण्यासाठी मानक चाचणी. हा परिणाम सर्वोत्कृष्ट मागील सिंगल-कॅमेरा दृष्टिकोनाला 9.7 टक्के गुणांनी मागे टाकतो आणि दोन्हीपैकी काहीही न वापरता, 4.5 गुणांनी डेप्थ सेन्सर किंवा एकाधिक कॅमेरे वापरणाऱ्या सर्वोत्तम प्रणालीला मागे टाकतो.

प्रमाणीकरण पाहिले असता, मॉडेल 79.4% यश दरापर्यंत पोहोचते. मिस्ट्रलच्या म्हणण्यानुसार, मॉडेल चाकांच्या, पायाच्या आणि अगदी उडणाऱ्या रोबोट्सवर चालणारे, रोबोटच्या प्रकारांमध्ये सामान्यीकरण करते आणि पुन्हा प्रशिक्षण न घेता रोबोटच्या आकारांशी जुळवून घेते.

संपूर्णपणे सिम्युलेशनमध्ये तयार केलेले

रोबोस्ट्रल नेव्हिगेटच्या सर्वात उल्लेखनीय पैलूंपैकी एक म्हणजे ते संपूर्णपणे इन-हाउस तयार केले गेले आणि केवळ सिम्युलेशनमध्ये प्रशिक्षित केले गेले. मिस्ट्रलने एक कार्यक्षम डेटा जनरेशन पाइपलाइन तयार केली ज्याने 6,000 सिम्युलेटेड दृश्यांवर एकत्रित केलेल्या अंदाजे 400,000 ट्रॅजेक्टोरीजचा डेटासेट तयार केला. या सिम्युलेशन-प्रथम पध्दतीने वास्तविक-जगातील डेटा संकलनाची किंमत आणि लॉजिस्टिक आव्हानांशिवाय जलद पुनरावृत्ती सक्षम केली.

हे मॉडेल मिस्ट्रलच्या स्वतःच्या व्हिजन-लँग्वेज मॉडेलमधून सुरू केले गेले आहे, जे पॉइंटिंग, मोजणी आणि ऑब्जेक्ट लोकॅलायझेशन यासारख्या ग्राउंडिंग कार्यांसाठी खास होते. नेव्हिगेशन या क्षमतांचा एक नैसर्गिक विस्तार म्हणून उदयास येतो: एकदा प्रतिमामध्ये गोष्टी कुठे आहेत हे मॉडेलला समजले की ते त्यांच्याकडे कसे जायचे ते शिकते. विशेष म्हणजे, रोबोस्ट्रल नेव्हिगेट कोणत्याही विद्यमान मुक्त-स्रोत दृष्टी-भाषा मॉडेलवर अवलंबून नाही.

पॉइंटिंग-आधारित नेव्हिगेशन आणि मजबुतीकरण शिक्षण

रोबोस्ट्रल नेव्हिगेट पॉइंटिंग-आधारित नेव्हिगेशन यंत्रणा वापरते. एक कार्य आणि निरिक्षणांचा इतिहास दिल्यास, आगमनानंतर इच्छित अभिमुखतेसह, रोबोटच्या वर्तमान कॅमेरा दृश्यातील लक्ष्य स्थानाच्या प्रतिमा निर्देशांकांचा अंदाज घेऊन, मॉडेलने रोबोट पुढे कुठे हलवावे याचा अंदाज लावतो. हा सूचक दृष्टीकोन मेट्रिक विस्थापनांवर अवलंबून असलेल्या कमांडच्या विपरीत, कॅमेरा अंतर्गत आणि जागतिक स्तरावरील बदलांसाठी धोरण नैसर्गिकरित्या मजबूत बनवतो.

जेव्हा लक्ष्य स्थान सध्याच्या दृश्य क्षेत्राच्या बाहेर असते आणि पॉइंटिंग लागू होत नाही, तेव्हा मॉडेल रोबोटच्या स्थानिक समन्वय फ्रेममधील विस्थापनांकडे परत येते. पर्यवेक्षी प्रशिक्षणानंतर, मिस्ट्रलने त्याचे CISPO अल्गोरिदम वापरून ऑनलाइन मजबुतीकरण शिक्षण लागू केले, ज्यामुळे मॉडेलला चाचणी आणि त्रुटींमधून शिकणे, अपयशातून पुनर्प्राप्त करणे आणि शोधात्मक वर्तन प्राप्त करणे शक्य झाले. केवळ या मजबुतीकरण शिक्षणाच्या टप्प्याने यशाचा दर 3.2 टक्के गुणांनी सुधारला आणि मिस्ट्रलने अहवाल दिला की पठाराच्या चिन्हांशिवाय कामगिरी अजूनही चढत आहे.

उपसर्ग-कॅशिंगद्वारे कार्यक्षम प्रशिक्षण

मुख्य तांत्रिक नवकल्पना हे उपसर्ग-कॅशिंगवर आधारित कार्यक्षम प्रशिक्षण अल्गोरिदम आहे. वृक्ष-आधारित लक्ष-मास्किंग धोरणाचा वापर करून, मिस्ट्रलची पद्धत संपूर्ण भागाला एकाच क्रमामध्ये संकुचित करते, वेळेच्या चरणांमधील माहितीची गळती रोखत असताना एकाच फॉरवर्ड पासमध्ये सर्व वेळच्या चरणांवर प्रशिक्षण सक्षम करते. प्रत्येक टप्प्यावर एका नमुन्यासह प्रशिक्षणाच्या तुलनेत, हा दृष्टीकोन सर्व शिक्षण सिग्नल जतन करून प्रशिक्षण टोकनची संख्या 22 च्या घटकाने कमी करतो. सराव मध्ये, कंपनी म्हणते की हे प्रशिक्षण धावांचे रूपांतर करते जे काही महिन्यांत धावतात जे दिवसात पूर्ण होते.

अर्ज आणि पुढे काय होते

मिस्ट्रल आजच्या ग्राहकांसाठी सर्वात जास्त मागणी असलेल्या क्षमतेपैकी एक म्हणून रॉबोस्ट्रल नेव्हिगेट स्थानावर आहे. तंत्रज्ञान उत्पादन, वितरण, लॉजिस्टिक्स आणि आदरातिथ्य मधील अनुप्रयोग अनलॉक करते. मॉडेलला एक सूचना द्या आणि ते संपूर्ण कार्य स्वायत्तपणे पूर्ण करते, लोक आणि अडथळ्यांनी भरलेल्या थेट जागांमधून ते प्रशिक्षणादरम्यान कधीही दर्शविले गेले नव्हते.

कंपनीने या रिलीझचे वर्णन एका एकीकृत मूर्त एजंटच्या दिशेने केवळ पहिले पाऊल म्हणून केले आहे. मिस्ट्रल आपल्या रोबोटिक्स टीमचा सक्रियपणे विस्तार करत आहे आणि संशोधन शास्त्रज्ञ आणि अभियंते शोधत आहे. लाँच पॅरिस-आधारित स्टार्टअपसाठी एक महत्त्वपूर्ण धोरणात्मक विस्तार चिन्हांकित करते, जे प्रामुख्याने मोठ्या भाषेच्या मॉडेल्ससाठी ओळखले जाते आणि आता भौतिक AI आणि रोबोटिक्ससाठी गंभीर वचनबद्धतेचे संकेत देते.

भाषा मॉडेल क्षमता भौतिक जगाच्या परस्परसंवादापर्यंत कशी वाढवता येईल याचा शोध घेत असलेल्या कंपन्यांसह, व्यापक AI उद्योग मूर्त AI मध्ये गुंतवणूक करत असताना रोबोटिक्समध्ये पाऊल टाकले. मिस्ट्रलचा सिम्युलेशन-प्रथम, सिंगल-कॅमेरा दृष्टीकोन स्वायत्त नेव्हिगेशन सिस्टम तैनात करण्यात अडथळा कमी करू शकतो, विशेषत: खर्च-संवेदनशील व्यावसायिक अनुप्रयोगांमध्ये जेथे मल्टी-सेन्सर सेटअप अव्यवहार्य आहेत.

एआयच्या पुढे राहा

रोबोस्ट्रल नेव्हिगेट आता मिस्ट्रलच्या ग्राहकांसाठी उपलब्ध आहे. अधिक ब्रेकिंग एआय बातम्या आणि विश्लेषणासाठी, एआय बझ वायरला भेट द्या.

अधिक एआय बातम्या वाचा →