Mistral AI เปิดตัว Robostral Navigate ซึ่งเป็นโมเดลหุ่นยนต์ตัวแรกสำหรับการนำทางด้วยหุ่นยนต์กล้องเดี่ยว

Mistral AI บริษัท AI ในฝรั่งเศสได้เข้าสู่วงการหุ่นยนต์ด้วย Robostral Navigate ซึ่งเป็นโมเดลพารามิเตอร์ 8 พันล้านพารามิเตอร์ที่ช่วยให้หุ่นยนต์สามารถนำทางสภาพแวดล้อมที่ซับซ้อนได้โดยอัตโนมัติโดยใช้กล้อง RGB ธรรมดาเพียงตัวเดียว โมเดลดังกล่าวซึ่งประกาศเมื่อวันที่ 8 กรกฎาคม พ.ศ. 2569 ถือเป็นก้าวแรกของ Mistral สู่ AI และหุ่นยนต์เชิงกายภาพ

Robostral Navigate ถ่ายภาพ RGB และคำสั่งภาษาธรรมดา และเคลื่อนย้ายหุ่นยนต์ผ่านสภาพแวดล้อม เช่น สำนักงาน อาคารที่พักอาศัย หรือพื้นที่กลางแจ้ง สิ่งที่ทำให้มันแตกต่างก็คือความเรียบง่ายของฮาร์ดแวร์: แม้ว่าโมเดลของคู่แข่งมักจะใช้เซ็นเซอร์ความลึก, LiDAR หรือกล้องหลายตัวที่ทำงานพร้อมกัน แต่ Robostral Navigate ใช้กล้อง RGB มาตรฐานเพียงตัวเดียวและไม่มีเซ็นเซอร์ความลึกใดๆ เลย สำหรับการครอบคลุมการเปิดตัวโมเดล AI ที่เกิดขึ้นใหม่อย่างครอบคลุม ผู้อ่านสามารถติดตามการพัฒนา AI ล่าสุดได้ที่หน้าแรกของเรา

ประสิทธิภาพล้ำสมัยบน R2R-CE

แม้จะมีแนวทางการใช้กล้องตัวเดียว Robostral Navigate ก็บรรลุอัตราความสำเร็จ 76.6% ในเกณฑ์มาตรฐานการตรวจสอบ R2R-CE (ห้องสู่ห้องในสภาพแวดล้อมต่อเนื่อง) ที่มองไม่เห็น ซึ่งเป็นการทดสอบมาตรฐานสำหรับคำแนะนำการนำทางในสภาพแวดล้อมที่จัดขึ้นระหว่างการฝึกอบรม ผลลัพธ์นี้เอาชนะแนวทางการใช้กล้องเดี่ยวที่ดีที่สุดก่อนหน้านี้ถึง 9.7 เปอร์เซ็นต์ และเหนือกว่าระบบที่ดีที่สุดที่ใช้เซ็นเซอร์ความลึกหรือกล้องหลายตัวถึง 4.5 คะแนน แม้ว่าไม่ได้ใช้ทั้งสองอย่างก็ตาม

เมื่อตรวจสอบแล้ว โมเดลจะมีอัตราความสำเร็จถึง 79.4% จากข้อมูลของ Mistral โมเดลดังกล่าวครอบคลุมหุ่นยนต์ประเภทต่างๆ ทั้งวิ่งบนหุ่นยนต์มีล้อ ขา และแม้แต่บินได้ และปรับให้เข้ากับขนาดหุ่นยนต์โดยไม่ต้องฝึกซ้ำ

สร้างขึ้นทั้งหมดในการจำลอง

ลักษณะที่โดดเด่นที่สุดประการหนึ่งของ Robostral Navigate คือมันถูกสร้างขึ้นภายในบริษัททั้งหมดและได้รับการฝึกในการจำลองโดยเฉพาะ มิสทรัลสร้างไปป์ไลน์การสร้างข้อมูลที่มีประสิทธิภาพซึ่งสร้างชุดข้อมูลประมาณ 400,000 วิถีที่รวบรวมจากฉากจำลอง 6,000 ฉาก แนวทางที่เน้นการจำลองเป็นหลักนี้ช่วยให้สามารถทำซ้ำได้อย่างรวดเร็วโดยไม่มีค่าใช้จ่ายและความท้าทายด้านลอจิสติกส์ของการรวบรวมข้อมูลในโลกแห่งความเป็นจริง

โมเดลนี้เริ่มต้นจากโมเดลภาษาการมองเห็นของ Mistral ซึ่งมีความเชี่ยวชาญพิเศษสำหรับงานภาคพื้นดิน เช่น การชี้ การนับ และการแปลวัตถุ การนำทางกลายเป็นส่วนขยายตามธรรมชาติของความสามารถเหล่านี้ เมื่อโมเดลเข้าใจว่าสิ่งต่างๆ อยู่ที่ไหนในภาพ ก็จะเรียนรู้วิธีเคลื่อนที่เข้าหาสิ่งเหล่านั้น โดยเฉพาะอย่างยิ่ง Robostral Navigate ไม่ได้ใช้โมเดลภาษาวิชั่นแบบโอเพ่นซอร์สใดๆ ที่มีอยู่

การนำทางตามการชี้และการเรียนรู้การเสริมแรง

Robostral Navigate ใช้กลไกการนำทางตามการชี้ เมื่อพิจารณาถึงงานและประวัติของการสังเกตการณ์ แบบจำลองจะคาดการณ์ว่าหุ่นยนต์ควรเคลื่อนที่ต่อไปที่ใดโดยการอนุมานพิกัดภาพของตำแหน่งเป้าหมายในมุมมองกล้องปัจจุบันของหุ่นยนต์ พร้อมกับการวางแนวที่ต้องการเมื่อมาถึง วิธีการชี้ตำแหน่งนี้ทำให้นโยบายมีความแข็งแกร่งตามธรรมชาติต่อการเปลี่ยนแปลงภายในของกล้องและระดับโลก ซึ่งแตกต่างจากคำสั่งที่ต้องอาศัยการแทนที่หน่วยเมตริก

เมื่อตำแหน่งเป้าหมายอยู่นอกขอบเขตการมองเห็นปัจจุบันและการชี้ใช้ไม่ได้ โมเดลจะถอยกลับไปยังการกระจัดในกรอบพิกัดเฉพาะที่ของหุ่นยนต์ หลังจากการฝึกอบรมภายใต้การดูแล Mistral ใช้การเรียนรู้แบบเสริมกำลังแบบออนไลน์โดยใช้อัลกอริธึม CISPO ซึ่งช่วยให้แบบจำลองสามารถเรียนรู้จากการลองผิดลองถูก กู้คืนจากความล้มเหลว และรับพฤติกรรมเชิงสำรวจ ขั้นตอนการเรียนรู้แบบเสริมกำลังเพียงอย่างเดียวทำให้อัตราความสำเร็จเพิ่มขึ้น 3.2 เปอร์เซ็นต์ และ Mistral รายงานว่าประสิทธิภาพยังคงเพิ่มขึ้นโดยไม่มีทีท่าว่าจะลดระดับลง

การฝึกอบรมที่มีประสิทธิภาพผ่าน Prefix-Caching

นวัตกรรมทางเทคนิคที่สำคัญคืออัลกอริธึมการฝึกอบรมที่มีประสิทธิภาพโดยอิงตามการแคชคำนำหน้า การใช้กลยุทธ์การปกปิดความสนใจแบบต้นไม้ วิธีการของ Mistral จะบีบอัดตอนทั้งหมดให้เป็นลำดับเดียว ช่วยให้สามารถฝึกฝนทุกก้าวในการส่งต่อเพียงครั้งเดียว ในขณะเดียวกันก็ป้องกันข้อมูลรั่วไหลระหว่างก้าวของเวลา เมื่อเปรียบเทียบกับการฝึกด้วยตัวอย่างหนึ่งตัวอย่างต่อขั้นตอนเวลา วิธีการนี้จะช่วยลดจำนวนโทเค็นการฝึกลงถึง 22 เท่า ขณะเดียวกันก็รักษาสัญญาณการเรียนรู้ทั้งหมดไว้ ในทางปฏิบัติ บริษัทกล่าวว่าสิ่งนี้จะเปลี่ยนการวิ่งฝึกซ้อมที่ต้องใช้เวลาหลายเดือนให้กลายเป็นการวิ่งที่เสร็จสิ้นภายในไม่กี่วัน

การใช้งานและสิ่งที่จะเกิดขึ้นต่อไป

Mistral วางตำแหน่ง Robostral Navigate ให้เป็นหนึ่งในความสามารถที่เป็นที่ต้องการมากที่สุดของลูกค้าในปัจจุบัน เทคโนโลยีนี้ปลดล็อกการใช้งานทั้งในด้านการผลิต การจัดส่ง โลจิสติกส์ และการต้อนรับ ให้คำแนะนำแก่โมเดลหนึ่งรายการ แล้วโมเดลจะเสร็จสิ้นงานทั้งหมดโดยอัตโนมัติ โดยเคลื่อนที่ผ่านพื้นที่ที่อยู่อาศัยซึ่งเต็มไปด้วยผู้คน และสิ่งกีดขวางที่ไม่เคยแสดงให้เห็นระหว่างการฝึก

บริษัทอธิบายว่าการเปิดตัวครั้งนี้เป็นเพียงก้าวแรกสู่ตัวแทนที่รวมเป็นหนึ่งเดียว Mistral กำลังขยายทีมวิทยาการหุ่นยนต์อย่างแข็งขันและกำลังมองหานักวิทยาศาสตร์และวิศวกรด้านการวิจัย การเปิดตัวครั้งนี้นับเป็นการขยายเชิงกลยุทธ์ที่สำคัญสำหรับสตาร์ทอัพในปารีส ซึ่งส่วนใหญ่เป็นที่รู้จักจากโมเดลภาษาขนาดใหญ่ และขณะนี้ได้ส่งสัญญาณถึงความมุ่งมั่นอย่างจริงจังต่อ AI และหุ่นยนต์ทางกายภาพ

การย้ายเข้าสู่วิทยาการหุ่นยนต์เกิดขึ้นเมื่ออุตสาหกรรม AI ในวงกว้างลงทุนมากขึ้นใน AI ที่รวบรวมไว้ โดยบริษัทต่างๆ กำลังสำรวจว่าความสามารถด้านโมเดลภาษาสามารถขยายไปสู่การมีปฏิสัมพันธ์ในโลกทางกายภาพได้อย่างไร วิธีการใช้กล้องตัวเดียวในการจำลองเป็นหลักของ Mistral สามารถลดอุปสรรคในการปรับใช้ระบบนำทางอัตโนมัติ โดยเฉพาะอย่างยิ่งในการใช้งานเชิงพาณิชย์ที่คำนึงถึงต้นทุน ซึ่งการตั้งค่าเซ็นเซอร์หลายตัวไม่สามารถทำได้

ก้าวนำหน้า AI

Robostral Navigate พร้อมให้บริการแก่ลูกค้าของ Mistral แล้ว สำหรับข่าวด่วนและการวิเคราะห์ AI เพิ่มเติม โปรดไปที่ AI Buzz Wire

อ่านข่าว AI เพิ่มเติม →