Mistral AI wprowadza na rynek Robostral Navigate, swój pierwszy model robotyczny do nawigacji robotem z jedną kamerą

Francuska firma zajmująca się sztuczną inteligencją, Mistral AI, wkroczyła w przestrzeń robotyki dzięki Robostral Navigate, modelowi o 8 miliardach parametrów, który umożliwia robotom autonomiczne poruszanie się po złożonych środowiskach przy użyciu jedynie jednej zwykłej kamery RGB. Model, ogłoszony 8 lipca 2026 r., stanowi pierwszy krok firmy Mistral w stronę ucieleśnionej sztucznej inteligencji i robotyki fizycznej.

Robostral Navigate pobiera obrazy RGB i instrukcje w prostym języku, a następnie przemieszcza robota po środowisku takim jak biuro, budynek mieszkalny lub przestrzeń zewnętrzna. To, co go wyróżnia, to minimalizm sprzętowy: podczas gdy konkurencyjne modele zazwyczaj opierają się na czujnikach głębokości, LiDAR lub wielu współpracujących kamerach, Robostral Navigate wykorzystuje tylko jedną standardową kamerę RGB i nie ma żadnych czujników głębokości. Aby uzyskać kompleksowe informacje na temat pojawiających się modeli sztucznej inteligencji, czytelnicy mogą śledzić najnowsze osiągnięcia w zakresie sztucznej inteligencji na naszej stronie głównej.

Najnowocześniejsza wydajność w modelu R2R-CE

Pomimo zastosowania pojedynczej kamery, Robostral Navigate osiąga wskaźnik sukcesu na poziomie 76,6% w teście R2R-CE (Room-to-Room in Continuous Environments), który jest standardowym testem sprawdzającym przestrzeganie instrukcji nawigacji w środowiskach odprawianych podczas szkolenia. Wynik ten pobija najlepsze poprzednie podejście z jedną kamerą o 9,7 punktu procentowego i przewyższa najlepszy system wykorzystujący czujniki głębokości lub wiele kamer o 4,5 punktu, mimo że nie zastosowano żadnego z nich.

Po walidacji model osiąga wskaźnik sukcesu na poziomie 79,4%. Według Mistrala model uogólnia różne typy robotów, działające na robotach kołowych, nóg, a nawet latających, i dostosowuje się do rozmiarów robotów bez konieczności przekwalifikowywania.

Zbudowany w całości w symulacji

Jednym z najbardziej godnych uwagi aspektów Robostral Navigate jest to, że został on w całości zbudowany we własnym zakresie i przeszkolony wyłącznie w zakresie symulacji. Mistral skonstruował wydajny potok generowania danych, który wygenerował zbiór danych obejmujący około 400 000 trajektorii zebranych w 6000 symulowanych scen. To podejście oparte na symulacji umożliwiło szybką iterację bez kosztów i wyzwań logistycznych związanych ze zbieraniem danych w świecie rzeczywistym.

Model został zainicjowany na podstawie własnego modelu języka wizyjnego firmy Mistral, który specjalizował się w zadaniach podstawowych, takich jak wskazywanie, liczenie i lokalizacja obiektów. Nawigacja jawi się jako naturalne rozszerzenie tych możliwości: kiedy model zrozumie, gdzie na obrazie znajdują się elementy, uczy się, jak się do nich zbliżać. Warto zauważyć, że Robostral Navigate nie opiera się na żadnych istniejących modelach języka wizyjnego typu open source.

Nawigacja oparta na wskazywaniu i uczenie się ze wzmocnieniem

Robostral Navigate wykorzystuje mechanizm nawigacji oparty na wskazywaniu. Biorąc pod uwagę zadanie i historię obserwacji, model przewiduje, gdzie robot powinien się dalej poruszać, wnioskując o współrzędnych obrazu lokalizacji docelowej z bieżącego widoku kamery robota, wraz z pożądaną orientacją po przybyciu na miejsce. To podejście do wskazywania sprawia, że ​​polityka jest naturalnie odporna na zmiany we wnętrzu kamery i skali świata, w przeciwieństwie do poleceń opierających się na przemieszczeniach metrycznych.

Gdy lokalizacja docelowa leży poza bieżącym polem widzenia i nie ma zastosowania wskazywanie, model powraca do przemieszczeń w lokalnym układzie współrzędnych robota. Po nadzorowanym szkoleniu firma Mistral zastosowała uczenie się przez wzmacnianie online przy użyciu algorytmu CISPO, co umożliwiło modelowi uczenie się metodą prób i błędów, odzyskiwanie sił po niepowodzeniach i nabywanie zachowań eksploracyjnych. Już sam ten etap uczenia się przez wzmacnianie poprawił wskaźnik sukcesu o 3,2 punktu procentowego, a Mistral podaje, że wyniki w dalszym ciągu rosną, bez oznak stabilizacji.

Efektywne szkolenie poprzez buforowanie prefiksów

Kluczową innowacją techniczną jest wydajny algorytm szkoleniowy oparty na buforowaniu prefiksów. Wykorzystując strategię maskowania uwagi opartą na drzewie, metoda Mistrala kompresuje cały epizod w jedną sekwencję, umożliwiając szkolenie we wszystkich krokach czasowych w jednym przejściu do przodu, jednocześnie zapobiegając wyciekom informacji między krokami czasowymi. W porównaniu do uczenia z jedną próbką na krok czasu, podejście to zmniejsza liczbę tokenów szkoleniowych 22-krotnie, zachowując jednocześnie wszystkie sygnały uczenia się. W praktyce firma twierdzi, że pozwala to przekształcić treningi, które trwałyby miesiące, w treningi trwające kilka dni.

Aplikacje i co dalej

Mistral pozycjonuje Robostral Navigate jako rozwiązanie zapewniające jedną z najbardziej pożądanych obecnie funkcji wśród swoich klientów. Technologia ta odblokowuje zastosowania w produkcji, dostawach, logistyce i hotelarstwie. Daj modelowi jedną instrukcję, a on samodzielnie wykona całe zadanie, poruszając się po żywych przestrzeniach pełnych ludzi i przeszkód, czego nigdy nie pokazał podczas szkolenia.

Firma opisuje to wydanie jako zaledwie pierwszy krok w kierunku zunifikowanego, wcielonego agenta. Mistral aktywnie rozwija swój zespół robotyków i poszukuje naukowców i inżynierów. Premiera oznacza znaczącą ekspansję strategiczną dla paryskiego startupu, który jest znany przede wszystkim ze swoich dużych modeli językowych, a obecnie zasygnalizował poważne zaangażowanie w fizyczną sztuczną inteligencję i robotykę.

Przejście na robotykę następuje w momencie, gdy szersza branża sztucznej inteligencji coraz bardziej inwestuje w ucieleśnioną sztuczną inteligencję, a firmy badają, w jaki sposób możliwości modelu językowego można rozszerzyć na interakcję ze światem fizycznym. Podejście Mistrala oparte na symulacji i wykorzystaniu jednej kamery może zmniejszyć barierę we wdrażaniu autonomicznych systemów nawigacji, szczególnie w zastosowaniach komercyjnych wrażliwych na koszty, gdzie konfiguracje wielosensorowe są niepraktyczne.

Wyprzedź sztuczną inteligencję

Robostral Navigate jest teraz dostępny dla klientów Mistral. Więcej najświeższych wiadomości i analiz dotyczących sztucznej inteligencji można znaleźć na stronie AI Buzz Wire.

Przeczytaj więcej aktualności o sztucznej inteligencji →