Mistral AI သည် Single-Camera Robot Navigation အတွက် ၎င်း၏ ပထမဆုံး စက်ရုပ်ပုံစံ Robostral Navigate ကို စတင်လိုက်ပြီဖြစ်သည်။

ပြင်သစ် AI ကုမ္ပဏီ Mistral AI သည် စက်ရုပ်များသည် သာမန် RGB ကင်မရာတစ်ခုတည်းထက် ဘာမှမပိုဘဲ ရှုပ်ထွေးသော ပတ်ဝန်းကျင်များကို အလိုအလျောက် သွားလာနိုင်အောင် လုပ်ဆောင်ပေးသည့် 8 ဘီလီယံတန်သော ကန့်သတ်ဘောင်မော်ဒယ် Robostral Navigate ဖြင့် စက်ရုပ်အာကာသထဲသို့ ဝင်ရောက်လာခဲ့သည်။ ဇူလိုင်လ 8 ရက်၊ 2026 တွင်ကြေငြာခဲ့သောမော်ဒယ်သည် Mistral ၏ပထမဆုံးသောအသွင်ပြောင်း AI နှင့်ရုပ်ပိုင်းဆိုင်ရာစက်ရုပ်များဆီသို့ကိုယ်စားပြုသည်။

Robostral Navigate သည် RGB ရုပ်ပုံများနှင့် ရိုးရှင်းသော ဘာသာစကား ညွှန်ကြားချက်ကို ရယူပြီး ရုံးခန်း၊ လူနေအိမ် အဆောက်အအုံ သို့မဟုတ် ပြင်ပနေရာကဲ့သို့သော ပတ်ဝန်းကျင်တွင် စက်ရုပ်တစ်ခုကို ရွေ့လျားစေသည်။ ၎င်းကို သီးခြားသတ်မှတ်ထားသောအရာမှာ ၎င်း၏ hardware minimalism ဖြစ်သည်- ပြိုင်ဘက်မော်ဒယ်များသည် ပုံမှန်အားဖြင့် depth sensors, LiDAR, သို့မဟုတ် concert တွင်အလုပ်လုပ်သော ကင်မရာများစွာကို အားကိုးထားသော်လည်း Robostral Navigate သည် ပုံမှန် RGB ကင်မရာတစ်လုံးတည်းကိုသာ အသုံးပြုပြီး depth sensor များလုံးဝမရှိပါ။ ပေါ်ပေါက်လာသော AI မော်ဒယ်လ် မိတ်ဆက်ပွဲများ၏ ကျယ်ကျယ်ပြန့်ပြန့် လွှမ်းခြုံမှုအတွက် စာဖတ်သူများသည် ကျွန်ုပ်တို့၏ ပင်မစာမျက်နှာတွင် နောက်ဆုံးပေါ် AI တိုးတက်မှုများကို လိုက်နာနိုင်ပါသည်။

R2R-CE တွင် ခေတ်မီသော စွမ်းဆောင်ရည်

၎င်း၏ single-camera ချဉ်းကပ်မှုကြားမှ၊ Robostral Navigate သည် R2R-CE (အခန်းမှ အခန်းတစ်ခန်းသို့ ဆက်တိုက်ပတ်ဝန်းကျင်တွင်) မှန်ကန်ကြောင်း အတည်ပြုခြင်းတွင် 76.6% အောင်မြင်မှုနှုန်းကို ရရှိပြီး လေ့ကျင့်ရေးကာလအတွင်း မမြင်ရသော ပတ်ဝန်းကျင်ရှိ လမ်းညွှန်ချက်များကို လိုက်နာရန်အတွက် စံစမ်းသပ်မှုဖြစ်သည်။ ဤရလဒ်သည် အကောင်းဆုံး ယခင်ကင်မရာတစ်လုံးတည်းချဉ်းကပ်မှုအား 9.7 ရာခိုင်နှုန်းဖြင့် ကျော်လွန်ကာ အနက်ပိုင်းအာရုံခံကိရိယာများ သို့မဟုတ် ကင်မရာများစွာကို အသုံးပြုထားသည့် အကောင်းဆုံးစနစ်အား 4.5 မှတ်ဖြင့် ကျော်လွန်သွားပါသည်။

အတည်ပြုခြင်းတွင်၊ မော်ဒယ်သည် 79.4% အောင်မြင်မှုနှုန်းသို့ ရောက်ရှိသည်။ Mistral ၏ အဆိုအရ အဆိုပါ မော်ဒယ်သည် စက်ရုပ်အမျိုးအစားများကို ယေဘုယျအားဖြင့် ဘီးတပ်၊ ခြေထောက်တပ်ကာ ပျံသန်းနေသော စက်ရုပ်များပင်ဖြစ်ပြီး မလေ့ကျင့်ဘဲ စက်ရုပ်အရွယ်အစားနှင့် လိုက်လျောညီထွေဖြစ်အောင် ပြုလုပ်ထားသည်။

သရုပ်သကန်ဖြင့် လုံး၀တည်ဆောက်ထားသည်။

Robostral Navigate ၏ အထင်ရှားဆုံး ရှုထောင့်တစ်ခုမှာ ၎င်းကို အိမ်တွင်း၌ လုံး၀တည်ဆောက်ထားပြီး သရုပ်ဖော်မှုတွင် သီးသန့်လေ့ကျင့်ထားခြင်း ဖြစ်သည်။ Mistral သည် သရုပ်ဖော်ထားသော မြင်ကွင်းပေါင်း 6,000 ကိုဖြတ်၍ စုဆောင်းထားသော ခန့်မှန်းခြေ 400,000 ခန့်၏ ဒေတာအစုအဝေးကို ထုတ်လုပ်ပေးသည့် ထိရောက်သော ဒေတာထုတ်လုပ်ရေးပိုက်လိုင်းကို တည်ဆောက်ခဲ့သည်။ ဤ simulation-ပထမချဉ်းကပ်နည်းသည် လက်တွေ့ကမ္ဘာဒေတာစုဆောင်းခြင်းအတွက် ကုန်ကျစရိတ်နှင့် ထောက်ပံ့ပို့ဆောင်ရေးဆိုင်ရာ စိန်ခေါ်မှုများမပါဘဲ လျင်မြန်စွာ ထပ်လောင်းလုပ်ဆောင်နိုင်စေခဲ့သည်။

မော်ဒယ်ကို ညွှန်ပြခြင်း၊ ရေတွက်ခြင်း နှင့် အရာဝတ္တုကို ဒေသပြန်ဆိုခြင်းကဲ့သို့သော အခြေခံလုပ်ဆောင်စရာများအတွက် အထူးပြုထားသည့် Mistral ၏ ကိုယ်ပိုင်အမြင်ဘာသာစကား မော်ဒယ်မှ အစပြုပါသည်။ လမ်းကြောင်းပြခြင်းသည် ဤစွမ်းရည်များ၏ သဘာဝအတိုင်း ထွက်ပေါ်လာသည်- မော်ဒယ်သည် ရုပ်ပုံတစ်ခုအတွင်းရှိ အရာများ မည်သည့်နေရာတွင် ရှိနေသည်ကို နားလည်သည်နှင့် ၎င်းတို့ဆီသို့ မည်သို့ရွေ့ရမည်ကို သင်ယူသည်။ ထူးခြားသည်မှာ၊ Robostral Navigate သည် ရှိပြီးသား open-source vision-language မော်ဒယ်များအပေါ်တွင် အားမကိုးပါ။

ညွှန်ပြ-အခြေခံ လမ်းညွှန်မှုနှင့် အားဖြည့်မှု သင်ယူခြင်း။

Robostral Navigate သည် ညွှန်ပြသည့် လမ်းကြောင်းပြမှု ယန္တရားကို အသုံးပြုသည်။ လုပ်ငန်းတာဝန်တစ်ခုနှင့် စူးစမ်းမှုမှတ်တမ်းကို ပေးထားသည့် မော်ဒယ်သည် စက်ရုပ်၏ လက်ရှိကင်မရာမြင်ကွင်းရှိ ပစ်မှတ်တည်နေရာ၏ ပုံရိပ်ကို သြဒိနိတ်များကို ကောက်ချက်ချခြင်းဖြင့် စက်ရုပ်ရောက်ရှိချိန်တွင် လိုချင်သော တိမ်းညွှတ်မှုနှင့်အတူ ရှေ့သို့ ရွေ့လျားမည့်နေရာကို ခန့်မှန်းပေးပါသည်။ ဤညွှန်ပြသောချဉ်းကပ်မှုသည် မက်ထရစ်ရွှေ့ပြောင်းခြင်းများကို အားကိုးသည့် ညွှန်ကြားချက်များနှင့်မတူဘဲ ကင်မရာအတွင်းပိုင်းနှင့် ကမ္ဘာ့စကေးပြောင်းလဲမှုများအတွက် မူဝါဒကို သဘာဝအတိုင်း ခိုင်မာစေသည်။

ပစ်မှတ်တည်နေရာသည် လက်ရှိမြင်ကွင်းနယ်ပယ်အပြင်ဘက်တွင်ရှိပြီး ညွှန်ပြခြင်းမရှိပါက၊ မော်ဒယ်သည် စက်ရုပ်၏ဒေသခံ သြဒီနိတ်ဘောင်ရှိ နေရာရွှေ့ပြောင်းမှုဆီသို့ ပြန်လည်ရောက်ရှိသွားပါသည်။ ကြီးကြပ်လေ့ကျင့်မှုအပြီးတွင်၊ Mistral သည် ၎င်း၏ CISPO အယ်လဂိုရီသမ်ကို အသုံးပြု၍ အွန်လိုင်းအားဖြည့်သင်ကြားမှုကို အသုံးချကာ စမ်းသပ်မှုနှင့် အမှားအယွင်းများမှ သင်ခန်းစာယူနိုင်စေရန်၊ ကျရှုံးမှုများမှ ပြန်လည်ကောင်းမွန်လာပြီး စူးစမ်းလေ့လာသည့်အပြုအမူများကို ရရှိစေပါသည်။ ဤအားဖြည့်သင်ကြားမှုအဆင့်တစ်ခုတည်းတွင် အောင်မြင်မှုနှုန်းကို 3.2 ရာခိုင်နှုန်းဖြင့် တိုးတက်စေပြီး စွမ်းဆောင်ရည်သည် နိမ့်ကျသည့်လက္ခဏာမရှိဘဲ တက်နေဆဲဖြစ်ကြောင်း Mistral က အစီရင်ခံသည်။

Prefix-Caching မှတစ်ဆင့် ထိရောက်သောလေ့ကျင့်ရေး

အဓိကနည်းပညာဆိုင်ရာ ဆန်းသစ်တီထွင်မှုသည် ရှေ့ဆက်-ကက်ချခြင်းအပေါ် အခြေခံ၍ ထိရောက်သောလေ့ကျင့်ရေး algorithm တစ်ခုဖြစ်သည်။ သစ်ပင်အခြေပြု အာရုံစူးစိုက်မှုကို ဖုံးအုပ်ထားသည့် နည်းဗျူဟာကို အသုံးပြု၍ Mistral ၏နည်းလမ်းသည် အချိန်အဆင့်များကြား အချက်အလက်များ ပေါက်ကြားမှုကို ကာကွယ်နိုင်ပြီး အချိန်အဆင့်များကြားတွင် အချက်အလက်များ ပေါက်ကြားမှုကို တားဆီးပေးကာ အပိုင်းတစ်ခုလုံးကို အပိုင်းလိုက်တစ်ခုတည်းသို့ ချုံ့ပေးသည်။ တစ်ကြိမ်လျှင် နမူနာတစ်ခုဖြင့် လေ့ကျင့်ခြင်းနှင့် နှိုင်းယှဉ်ပါက၊ ဤချဉ်းကပ်မှုသည် သင်ယူမှုအချက်ပြမှုများကို ထိန်းသိမ်းထားစဉ်တွင် လေ့ကျင့်ရေးတိုကင်အရေအတွက်ကို အချက် 22 ဖြင့် လျှော့ချပေးသည်။ လက်တွေ့တွင်၊ ကုမ္ပဏီက ၎င်းသည် လနှင့်ချီ၍ ပြီးမြောက်မည့် လေ့ကျင့်ရေးအပြေးများကို ပြောင်းလဲစေသည်ဟု ဆိုသည်။

အသုံးချမှုများနှင့် နောက်တစ်ခုက ဘာတွေလဲ။

Mistral သည် ယနေ့ ၎င်း၏ဖောက်သည်များအတွက် အလိုအပ်ဆုံးသော စွမ်းဆောင်ရည်များထဲမှ တစ်ခုကို ကိုင်တွယ်ဖြေရှင်းရန် Robostral Navigate ၏ ရပ်တည်ချက်ဖြစ်သည်။ နည်းပညာသည် ထုတ်လုပ်မှု၊ ပို့ဆောင်မှု၊ ထောက်ပံ့ပို့ဆောင်မှုနှင့် ဧည့်ဝတ်ပြုမှုတို့တွင် အပလီကေးရှင်းများကို ဖွင့်ပေးသည်။ မော်ဒယ်ကို လမ်းညွှန်ချက်တစ်ခုပေး၍ ၎င်းသည် လေ့ကျင့်နေစဉ်အတွင်း တစ်ခါမျှ မပြသခဲ့ဖူးသော လူများနှင့် ပြည့်နေသော တိုက်ရိုက်နေထိုင်သည့်နေရာများကို ဖြတ်သန်းကာ လုပ်ငန်းတစ်ခုလုံးကို အလိုအလျောက် ပြီးမြောက်စေသည်။

ကုမ္ပဏီသည် ဤထုတ်ဝေမှုကို ပေါင်းစည်းထားသော ကိုယ်စားပြုအေးဂျင့်ဆီသို့ ပထမဆုံးခြေလှမ်းအဖြစ် ဖော်ပြသည်။ Mistral သည် ၎င်း၏ စက်ရုပ်အဖွဲ့ကို တက်ကြွစွာ တိုးချဲ့နေပြီး သုတေသန သိပ္ပံပညာရှင်များနှင့် အင်ဂျင်နီယာများကို ရှာဖွေနေသည်။ အဆိုပါ လွှတ်တင်မှုသည် ၎င်း၏ကြီးမားသောဘာသာစကားမော်ဒယ်များအတွက် အဓိကလူသိများသည့် ပဲရစ်အခြေစိုက် startup အတွက် သိသာထင်ရှားသော ဗျူဟာမြောက် တိုးချဲ့မှုတစ်ခုဖြစ်ပြီး ယခုအခါ ရုပ်ပိုင်းဆိုင်ရာ AI နှင့် စက်ရုပ်များအတွက် လေးနက်သောကတိပြုချက်ကို အချက်ပြလိုက်ပါသည်။

AI နယ်ပယ်တွင် ပိုမိုကျယ်ပြန့်သော AI နယ်ပယ်တွင် ပေါင်းစပ်ထည့်သွင်းထားသည့် AI တွင် ရင်းနှီးမြုပ်နှံမှုများ ပိုမိုများပြားလာသောအခါတွင် စက်ရုပ်များဆိုင်ရာ ပြောင်းလဲမှုသည် ကုမ္ပဏီများမှ ဘာသာစကားမော်ဒယ်စွမ်းရည်များကို ရုပ်ပိုင်းဆိုင်ရာကမ္ဘာ၏ အပြန်အလှန်ဆက်သွယ်မှုကို မည်ကဲ့သို့တိုးချဲ့နိုင်သည်ကို စူးစမ်းရှာဖွေလျက်ရှိသည်။ Mistral ၏ သရုပ်ဖော်ခြင်း- ပထမ၊ ကင်မရာတစ်လုံးတည်း ချဉ်းကပ်မှုသည် အထူးသဖြင့် အာရုံခံကိရိယာအစုံအလင်တပ်ဆင်မှု အဆင်မပြေသည့် စရိတ်စကသက်သာသော စီးပွားရေးဆိုင်ရာ အပလီကေးရှင်းများတွင် အလိုအလျောက်အုပ်ချုပ်မှုလမ်းကြောင်းပြစနစ်များ ဖြန့်ကျက်ခြင်းအတွက် အတားအဆီးကို လျှော့ချနိုင်သည်။

AI ၏ရှေ့တွင်နေရန်

Robostral Navigate ကို Mistral ၏ဖောက်သည်များအတွက် ယခုရရှိနိုင်ပါပြီ။ ပိုမိုထူးခြားသော AI သတင်းနှင့် ခွဲခြမ်းစိတ်ဖြာမှုအတွက်၊ AI Buzz Wire သို့ ဝင်ရောက်ကြည့်ရှုပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →